基于 Ensemble-CAM 的可解释人脸投影攻击检测
计算机视觉与模式识别
2025-10-23 v1
摘要
投影攻击代表了一个关键的安全威胁，攻击者会使用假的生物识别数据（如人脸、指纹或虹膜图像），以非法方式获取受保护系统的访问权限。已设计出各种基于深度学习（DL）模型的投影攻击检测（PAD）系统以缓解此类威胁。尽管这些方法有效，但大多数DL模型作为黑盒子——其决策对用户而言是不可见的。解释性技术的目的是提供关于DL模型行为或决策背后原因的详细信息。在 particular，视觉解释对于更好地理解基于DL的PAD系统的决策或预测至关重要，以确定生物识别图像因系统将其视为真实或假而被认为是关键区域的依据。在本工作中，我们提出了一种新技术——Ensemble-CAM，用于为基于深度学习的人脸PAD系统的决策提供视觉解释。我们的目标是通过提供更好的行为理解来改进基于DL的人脸PAD系统。我们提供的视觉解释将增强基于DL的人脸PAD系统的透明度和可信度。
引用
@article{arxiv.2510.19695,
title = {Explainable Face Presentation Attack Detection via Ensemble-CAM},
author = {Rashik Shadman and M G Sarwar Murshed and Faraz Hussain},
journal= {arXiv preprint arXiv:2510.19695},
year = {2025}
}