Jan, 2024

数据库间活体检测：基于比较生物特征分析的见解

PDF
TL;DR生物特征安全、活体检测、跨数据库场景、性能指标和数据多样化方法是本研究的关键词。本研究全面评估了活体检测模型，尤其关注它们在跨数据库场景下的表现，发现了这一领域的固有挑战，并提出了更加精细、多样化和适应性的方法。
biometric securityliveness detectioncross-database scenariosperformance metricsdata-diverse approaches
发现论文，激发创造
  • CLIPC8：基于图像文本对和对比学习的人脸活体检测算法

    基于图像文本对和对比学习的活体检测方法在金融领域中能够有效地检测特定的活体攻击行为，并在多个数据集上展现出较高的检测准确率。

    Nov, 2023

  • 自适应样式技术提升指纹活体检测的泛化能力

    我们介绍了一种高性能的指纹活体特征提取技术，该技术在 LivDet 2023 指纹特征展示挑战中获得第一名。此外，我们还开发了一个实用的指纹识别系统，准确率达到 94.68%，在 LivDet 2023 活体检测行动中获得第二名。通过研究各种方法，特别是样式转移，我们展示了在面对有限的训练数据时准确性和泛化性的提升。因此，我们的方法在 LivDet 2023 挑战中实现了最先进的性能。

    Oct, 2023

  • ECG 生物特征识别：评述、系统提出和基准评估

    本研究利用一个大型数据库训练出深度学习技术的特征提取器，结合多种单、多阶段及多种导联心电图实验，实现了 ECG 生物识别技术的精细分析及比较，并通过多个公共数据库的验证，进一步优化了模型，提出了行之有效的改进建议。

    Apr, 2022

  • LivDet2023 -- 指纹活体检测竞赛：推进泛化能力

    国际指纹活体检测竞赛（LivDet）是一项每两年举办一次的活动，邀请学术界和工业界的参与者证明他们在指纹表示攻击检测（PAD）方面的进展。本届竞赛提出了两个挑战，即动作中的活体检测和指纹表示，旨在评估嵌入验证系统的 PAD 的有效性以及特征集的有效性和紧凑性。另外，还包括一个隐藏挑战，即在训练集中包含两个未知传感器信息的子集，测试参与者的模型泛化能力。参与者只提供真实指纹样本，竞赛报告并评估他们的算法在数据可用性有限的情况下的性能。

    Sep, 2023

  • 生物特征识别：信任，但验证

    本文就生物识别技术面临的问题进行了调查，包括认知性能、安全性、公平性、数据归集和用户隐私等，并提出了如何解决这些问题以提高其安全性和公信力的建议。

    May, 2021

  • 基于活体得分的人脸反欺诈回归神经网络

    本文提出了一种基于生命得分回归网络的活体检测方法，通过引入一种称为伪分级标签编码的新标记方法来解决第三方网络的精度问题，进而在四个面部活体检测基准实验中取得了比以前方法更好的效果。

    Feb, 2023

  • AttackNet: 通过定制的卷积神经网络架构增强生物特征安全性的方法

    AttackNet 是一种巧妙设计的卷积神经网络架构，采用深度学习方法应对生物特征系统中的欺骗威胁，通过低级特征提取到高级模式识别无缝过渡的分层防御机制，具有优越的性能指标，并与当代模型进行了详细的比较分析，突出了深度学习在生物特征安全领域的潜力。

    Feb, 2024

  • 生物识别中的非定向近碰撞攻击

    这篇论文研究了基于概率建模的生物识别技术中的安全问题，探讨了模板大小、数据库大小和阈值对识别精度的影响，揭示了生物识别技术的两种攻击方式，并提出了选择参数的建议。

    Apr, 2023

  • 人脸识别系统的最新趋势分析

    本研究讨论了多种人脸识别系统，并分析了其实施和性能评估，通过比较得出了最佳的方法以供未来开发工作使用，涉及到的技术包括人脸识别，生物识别，深度学习等。

    Apr, 2023

  • 野外潜在指纹数据库

    本文介绍了一个新的野外大规模潜指纹数据库，包括五个不同的采集场景，并通过各种子集评估的广泛分析来突出潜指纹识别研究未来的挑战。

    Apr, 2023