BISGAN：使用生成对抗网络进行签名伪造及其评估
计算机视觉与模式识别
2024-10-14 v2 人工智能
摘要
深度学习正被积极用于生物特征识别领域，以开发高效的识别和验证系统。手写签名是用于身份验证的生物特征数据的一个常见子集。生成对抗网络(GAN)从原始签名和伪造签名中学习以生成伪造签名。虽然大多数 GAN 技术会创建一个强大的签名验证器(即判别器)，但仍有必要更多地关注生成器模型生成的伪造品的质量。本工作专注于创建一个生成器，该生成器能产生在欺骗签名验证系统方面达到基准水平的伪造样本。我们使用融合了类似 Inception 模型块(带有注意力头)的 CycleGAN 作为生成器，并使用 SigCNN 模型的一个变体作为基础判别器。我们采用一种新技术训练模型，在签名伪造中实现了 80% 到 100% 的成功率。此外，我们创建了一种自定义评估技术，作为衡量所生成伪造品质量的标准。我们的工作倡导以生成器为中心的 GAN 架构，用于提高伪造数据质量，这有助于更好地理解生物特征数据的生成和评估。
引用
@article{arxiv.2410.06041,
title = {Block Induced Signature Generative Adversarial Network (BISGAN): Signature Spoofing Using GANs and Their Evaluation},
author = {Haadia Amjad and Kilian Goeller and Steffen Seitz and Carsten Knoll and Naseer Bajwa and Ronald Tetzlaff and Muhammad Imran Malik},
journal= {arXiv preprint arXiv:2410.06041},
year = {2024}
}