Apr, 2024

热情交换：基于分割的虚假攻击对准视图图像

PDF
TL;DR视频眼动仪记录虹膜生物特征，用于用户身份认证。然而，生物特征认证容易受到物理或数字篡改攻击造成的虚假身份冒用。目前的标准通过活体检测来识别眼动仪上的物理欺骗攻击。然而，这种防御无法检测到当真实眼部图像输入被数字篡改以交换另一个人的虹膜模式时的假冒攻击。我们提出了一种名为 IrisSwap 的新型针对基于眼动的活体检测系统的攻击方法。IrisSwap 允许攻击者分割并数字化地交换受害者的虹膜模式以欺骗虹膜认证。离线和在线攻击数据以高达 58% 的成功率欺骗目前先进的防御模型，这促使我们研发更先进的眼动仪身份认证方法的需求。
video-based eye trackersauthenticationspoofingliveness detectionirisswap
发现论文，激发创造
  • 基于卷积神经网络和局部二值模式的演示攻击检测

    面部和虹膜的演示攻击检测的三种软件方法比较：使用 Inception-v3 的深度卷积神经网络（CNN），基于改进的 Spoofnet 架构的浅层 CNN，以及使用局部二值模式（LBP）的基于纹理的方法。

    Nov, 2023

  • 将明确的凝视约束引入面部交换

    本研究提出了一种利用凝视识别辅助脸部交换模型训练的新型损失函数，以改善脸部交换过程中的目光朝向问题，实现更自然、逼真的图片生成。结果发现，该方法在改善凝视问题方面表现明显优于现有技术。

    May, 2023

  • 多数据集下基于眼动的用户识别的广泛研究

    本文介绍了一种基于眼动特征的生物识别身份验证方法，并针对多个数据集对其进行了广泛的用户身份识别研究。通过对刺激类型、IVT 参数等多方面的分析，发现选择最佳 IVT 参数、添加高阶导数特征和包含额外的眨眼识别器等三个方法对身份验证准确性的提高具有积极影响。

    Nov, 2021

  • 实用数字伪装：利用脸部替换技术保护患者隐私

    本文提出了一种新颖的端到端人脸交换流水线用于评估面孔交换方法在隐私保护方面的效益和使用效用之间的平衡以及与基线隐私方法的差异，研究表明当前基于深度网络人脸交换受到现实世界视频中面部检测的瓶颈限制，文章针对标准儿童自闭症症状评估记录视频进行研究。

    Apr, 2022

  • 创造人工模态以解决 RGB 真实性问题

    提出利用人工制造的模态从 RGB 视频中提取状态间的动态差异，用于对付人脸反欺诈，通过中间表示来增加模型对未知攻击和未知族群的鲁棒性，该方法在最大的跨族群人脸反欺诈数据集 CASIA-SURF CeFA（RGB）上取得了最先进的效果。

    Jun, 2020

  • 基于小波变换和深度残差神经网络的演示攻击检测

    本研究应用深度学习方法在生物特征访问控制系统中抵御演示攻击，通过应用小波变换提取生物特征图像的特征，并修改了深度残差神经网络来检测演示攻击。在 ATVS 虹膜数据集上，获得了 93% 的最佳准确率；在 CASIA 两类数据集和 CASIA 裁剪图像数据集上，分别实现了 91% 和 82% 的测试准确率。

    Nov, 2023

  • 基于内在图像属性和深度学习的防止面部欺诈的检测器

    本论文提出了一种基于深度神经网络和元学习分类器相结合的方法，该方法利用图像固有属性探测面部 “假冒攻击”，在 PAD 领域最具挑战性的跨数据集协议上取得了超越最新成果的显著结果。

    Feb, 2019

  • 使用橡皮布模型的隐私保护眼睛视频

    本论文提出了基于橡皮版模型的新方法来处理眼睛视频中的隐私问题，将当前可识别的虹膜纹理用不同的虹膜模板替换，同时扩展到图像融合和中值表示，证明可以在不显著降低分割和瞳孔检测准确度的情况下操作视频。

    Apr, 2020

  • 抗深度伪造换脸的鲁棒身份感知水印

    该研究提出了第一个强大的身份感知水印框架，可以主动地进行检测和源追踪来对抗 Deepfake 人脸交换，并在不同数据集和处理设置下展示了最先进的性能。

    Nov, 2023

  • 使用生成对抗网络合成虹膜图像：调查与比较分析

    使用基于生成对抗网络的合成虹膜图像生成技术进行全面评估，旨在为培训和测试虹膜识别系统和攻击检测器提供真实和可用的虹膜图像。该综述分析了不同模型生成的图像在真实性、唯一性和生物特征实用性方面的优缺点，以发展稳健的虹膜匹配器和攻击检测器。

    Apr, 2024