基于开放块生成器的生成对抗网络指纹呈现攻击检测
计算机视觉与模式识别
2023-06-07 v1
摘要
自动指纹识别系统（AFRS）具有低成本、用户友好和便捷的特性，使其适用于广泛的应用。AFRS的普及也使其易受各种安全威胁。呈现攻击（PA）或欺骗是其中一种威胁，其由向AFRS传感器呈现真实指纹的仿制品引起。指纹呈现攻击检测（FPAD）是一种对策，旨在保护AFRS免受使用各种制作材料创建的伪造或欺骗指纹的攻击。在本文中，我们提出了一种基于卷积神经网络（CNN）的技术，该技术使用生成对抗网络（GAN）通过所提出的开放块生成器（OPG）生成的欺骗样本来增强数据集。该OPG能够生成与用其他材料生成的现有欺骗指纹样本毫无相似之处的逼真指纹样本。增强后的数据集被输入DenseNet分类器，有助于提高针对使用未知欺骗材料可能产生的各种现实世界攻击的呈现攻击检测（PAD）模块的性能。所提方法的实验评估在Liveness Detection（LivDet）2015、2017和2019竞赛数据库上进行。在LivDet协议场景下，分别在LivDet 2015、2017和2019数据库上取得了96.20%、94.97%和92.90%的总体准确率。所提PAD模型的性能还在跨材料和跨传感器攻击范式下得到验证，进一步展示了其在现实世界攻击场景下使用的能力。
引用
@article{arxiv.2306.03577,
title = {An Open Patch Generator based Fingerprint Presentation Attack Detection using Generative Adversarial Network},
author = {Anuj Rai and Ashutosh Anshul and Ashwini Jha and Prayag Jain and Ramprakash Sharma and Somnath Dey},
journal= {arXiv preprint arXiv:2306.03577},
year = {2023}
}