Виявлення спуфінг-атак на системи біометричної ідентифікації за обличчям
DOI:
https://doi.org/10.20535/1560-8956.42.2023.279095Ключові слова:
анти-спуфінг, ідентифікація обличчя, згорткові нейромережі, ключові точки і ознаки, біометрична автентифікація та ідентифікаціяАнотація
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
Номер
Розділ
Ліцензія
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
