条件合成的活体与假指纹生成
计算机视觉与模式识别
2026-01-15 v1
摘要
大型指纹数据集虽然重要，但用于训练和评估需要耗时且昂贵，且需要严格的隐私措施。研究人员正在探索使用合成指纹数据来解决此类问题。本文提出了一种新颖的方法，用于生成合成指纹图像（包括活体和假指纹），以解决生物识别数据收集中的隐私、成本和可访问性问题。我们的 方法利用条件StyleGAN2-ADA和StyleGAN3架构生成高分辨率合成活体指纹，条件为特定手指身份（拇指至小指）。此外，我们采用CycleGAN将其翻译为逼真的假指纹，模拟各种呈现攻击材料（如EcoFlex、Play-Doh）。这些合成假指纹对于开发稳健的假指纹检测系统至关重要。通过这些生成模型，我们创建了两个合成数据集（DB2和DB3），每个数据集包含10个手指的1500个指纹图像，每个手指有多个印记，并包括8种材料类型的对应假指纹。结果表明方法具有稳健性：我们的StyleGAN3模型的Fréchet Inception Distance（FID）可低至5，生成的指纹在0.01%假接受率下达到99.47%的真正接受率。StyleGAN2-ADA模型在相同的0.01%FAR下达到98.67%的TAR。我们使用标准指标（NFIQ2、MINDTCT）评估指纹质量，值得注意的是，匹配实验确认数据集具有强大的隐私保护，未发现显著的身份泄露，确认了我们合成数据集的强隐私保留特性。
引用
@article{arxiv.2510.17035,
title = {Conditional Synthetic Live and Spoof Fingerprint Generation},
author = {Syed Konain Abbas and Sandip Purnapatra and M. G. Sarwar Murshed and Conor Miller-Lynch and Lambert Igene and Soumyabrata Dey and Stephanie Schuckers and Faraz Hussain},
journal= {arXiv preprint arXiv:2510.17035},
year = {2026}
}