面向人脸呈现攻击检测的客户端特定异常检测
计算机视觉与模式识别
2018-07-04 v1
摘要
一类异常检测方法此前已被发现对人脸呈现攻击检测有效,尤其在系统暴露于新型攻击的\textit{未知}攻击场景中。本工作遵循相同的基于异常的问题表述,并分析了部署\textit{客户端特定}信息用于人脸欺骗检测的优势。我们提出使用从预训练深度卷积神经网络获得的表示来训练一类客户端特定分类器(生成式与判别式)。接下来,基于主体特定的分数分布,为每个客户端设定一个独立阈值,并用于针对测试查询进行决策。通过使用不同一类系统的大量实验表明,在一类异常检测表述中使用客户端特定信息(在模型构建以及决策阈值调优中)显著提升了性能。此外,结果表明,用于识别目的的同一组深度卷积特征在类特定一类异常检测范式下对人脸呈现攻击检测同样有效。
引用
@article{arxiv.1807.00848,
title = {Client-Specific Anomaly Detection for Face Presentation Attack Detection},
author = {Shervin Rahimzadeh Arashloo and Josef Kittler},
journal= {arXiv preprint arXiv:1807.00848},
year = {2018}
}