非接触式指纹生物特征活体检测：一种无监督深度学习方法
计算机视觉与模式识别
2023-11-08 v1 人工智能
密码学与安全
机器学习
摘要
非接触式指纹识别提供了更高的用户舒适度，并能更有效地解决卫生问题。然而，它也更容易受到呈现攻击，如相纸、纸质打印件以及各种显示攻击，这使得与接触式模态相比，在生物特征系统中实现起来更具挑战性。针对非接触式指纹系统的呈现攻击研究有限，且这些研究在泛化性和可扩展性方面遇到了挑战，因为在训练模型时同时使用了真实样本和呈现攻击样本。尽管这种方法看似有前景，但它缺乏处理未知攻击的能力，而这是开发能够有效泛化的呈现攻击检测（PAD）方法的关键因素。我们提出了一种创新的活体检测方法，将无监督自编码器与卷积块注意力模块相结合，以解决现有方法的局限性。我们的模型仅在真实图像上训练，在训练阶段未接触任何伪造样本。随后在测试阶段针对各类呈现攻击图像进行评估。我们提出的方案在涉及各类伪造样本的呈现攻击中，取得了平均 BPCER 为 0.96% 且 APCER 为 1.6% 的结果。
引用
@article{arxiv.2311.04148,
title = {Contactless Fingerprint Biometric Anti-Spoofing: An Unsupervised Deep Learning Approach},
author = {Banafsheh Adami and Nima Karimian},
journal= {arXiv preprint arXiv:2311.04148},
year = {2023}
}