FakeIDet：探索用于隐私保护假身份证检测的补丁

验证身份证件的真实性已成为数字银行、加密货币交易所、租赁等现实应用中的关键挑战。本研究聚焦于假身份证检测，涵盖了该领域的若干局限性。特别是，目前没有公开可用的真实身份证数据用于该领域的适当研究，大多数已发表的研究依赖于因隐私原因无法获取的专有内部数据库。为了推进这一关键挑战——真实数据稀缺使得基于机器学习的假身份证检测技术难以发展——我们引入了一种新的基于补丁的方法，在隐私和性能之间进行权衡，并提出了一种新颖的基于补丁的隐私感知假身份证检测方法：FakeIDet。在我们的实验中，我们探索了：i) 身份证的两种匿名化级别（即完全匿名化和伪匿名化），以及ii) 不同的补丁大小配置，改变补丁图像中可见敏感数据的数量。我们考虑了最先进的方法，如视觉变换器和基础模型作为骨干网络。我们的结果表明，在未见过的数据库（DLC-2021）上，我们提出的假身份证检测方法在补丁级别和整个身份证级别分别实现了13.91%和0%的等错误率，显示出对其他数据库的良好泛化能力。除了引入的基于补丁的方法和基于该方法的新FakeIDet方法外，我们文章的另一个关键贡献是发布了第一个公开可用的数据库，其中包含来自真实和假身份证的48,400个补丁，称为FakeIDet-db，以及实验框架。