一种基于零样本的指纹呈现攻击检测系统
计算机视觉与模式识别
2020-02-19 v1 机器学习
图像与视频处理
摘要
随着呈现攻击的发展，自动指纹识别系统(AFRSs)易受呈现攻击的威胁。因此，人们提出了许多呈现攻击检测(PAD)方法以确保AFRS的正常使用。然而，对大规模呈现攻击图像的需求以及低水平的泛化能力常常限制了现有PAD方法的实际性能。因此，我们提出了一种新颖的零样本呈现攻击检测模型，以保证PAD模型的泛化能力。所提出的ZSPAD-Model基于生成模型，在建立过程中不使用任何负样本，这确保了针对基于不同类型或材料的呈现攻击的鲁棒性。与基于其他自编码器的模型不同，提出了细粒度图架构以细化自编码器网络的重建误差，并利用任务特定的高斯模型来提高聚类质量。同时，为了提高所提出模型的性能，本文讨论了9种置信度分数。实验结果表明，ZSPAD-Model在ZSPAD方面是最先进的(state of the art)，且MS-Score是最佳置信度分数。与现有方法相比，所提出的ZSPAD-Model优于基于特征的方法，并且在多样本(multi-shot)设置下，所提出的方法以极少的训练数据超越了基于学习的方法。当有大量训练数据可用时，它们的结果相似。
引用
@article{arxiv.2002.04908,
title = {A Zero-Shot based Fingerprint Presentation Attack Detection System},
author = {Haozhe Liu and Wentian Zhang and Guojie Liu and Feng Liu},
journal= {arXiv preprint arXiv:2002.04908},
year = {2020}
}