Виявлення спуфінг-атак на системи біометричної ідентифікації за обличчям

Автор(и)

  • Д. Журавльов КПІ ім. Ігоря Сікорського, Ukraine
  • О. Польшакова КПІ ім. Ігоря Сікорського, Ukraine

DOI:

https://doi.org/10.20535/1560-8956.42.2023.279095

Ключові слова:

анти-спуфінг, ідентифікація обличчя, згорткові нейромережі, ключові точки і ознаки, біометрична автентифікація та ідентифікація

Анотація

Об’єктом дослідження є спуфінг-атаки на системи ідентифікації за біометрією обличчя людини. У статті зроблено огляд основних типів спуфінг-атак та особливостей їх виявлення, так само зроблено огляд існуючих рішень для виявлення
атак, розглянуті їх переваги та недоліки. Предметом дослідження є системи виявлення та протидія спуфінг-атакам у
системах ідентифікації за біометрією обличчя. Метою роботи є створення покращеного методу з виявлення та протидії
спуфінг-атакам на базі згорткових нейромереж з використанням карти глибини зображення, який б надавав показник HTER менше 1%. Запропонована система дозволяє виявляти усі наявні типи спуфінг-атак (printed attack, replay attack та mask attack) та працювати як з одним кадром так і з відеопотоком.

Бібл. 8, іл. 2, табл. 1

Посилання

Face id in businesstransactions. 2017. URL: http://www.bkav.com/d/topnews/-/view_content/content/103968/bkav%92s-new-mask-beats-face-id-in-twin-wayseverity-level-raised-do-not-use-face-id-in-business-transactions.

Chingovska I. On the Effectiveness of Local Binary Patterns in Face Antispoofing / Chingovska Ivana – Martigny, Suisse. 2017

Boulkenafet Z. Face anti-spoofing based on color texture analysis / Boulkenafet Zinelabidine – University of Oulu, Finland. 2015.

Keyurkumar P. Live Face Video vs. Spoof Face Video / Keyurkumar Patel –Michigan State University, USA. 2020.

Anjos A. Motion-based counter-measures to photo attacks in face recognition / Anjos André – Paris, France. 2014.

Matusugu, Masakazu; Katsuhiko Mori; Yusuke Mitari; Yuji Kaneda (2003). Subject independent facial expression recognition with robust face detection using a convolutional neural network. Neural Networks. C. 555–559.

Callet, Patrick; Christian Viard-Gaudin; Dominique Barba (2006). A Convolutional Neural Network Approach for Objective Video Quality

Assessment. IEEE Transactions on Neural Networks. C.1316–1327.

Atoum Y. Face Anti-Spoofing Using Patch and Depth-Based CNNs. 2020. URL: http://cvlab.cse.msu.edu/pdfs/FaceAntiSpoofingUsingPatchandDepthBasedCNNs.pdf.

##submission.downloads##

Опубліковано

2023-05-01