指纹呈现攻击检测：泛化性与效率
计算机视觉与模式识别
2019-01-01 v1
摘要
我们研究了在 PAD 训练期间未见的未知 PA（呈现攻击）材料下的指纹呈现攻击检测（PAD）问题。使用包含 12 种不同材料的 5,743 张真实图像和 4,912 张 PA 图像的数据集来评估一种最先进的 PAD，即 Fingerprint Spoof Buster。我们利用 3D t-SNE 可视化和材料特征聚类来识别覆盖大部分 PA 特征空间的代表性 PA 材料集合。我们观察到，六类 PA 材料，即 Silicone、2D Paper、Play Doh、Gelatin、Latex Body Paint 和 Monster Liquid Latex，提供了一组良好的代表性集合，应将其包含在训练中以实现 PAD 的泛化。我们还提出了 Fingerprint Spoof Buster 的优化 Android 应用，它可以在商用智能手机（Xiaomi Redmi Note 4）上运行，且 PAD 性能无显著下降（在 FDR = 0.2% 时 TDR 从 95.7% 降至 95.3%），并能在 300 毫秒内完成 PA 预测。
引用
@article{arxiv.1812.11574,
title = {Fingerprint Presentation Attack Detection: Generalization and Efficiency},
author = {Tarang Chugh and Anil K. Jain},
journal= {arXiv preprint arXiv:1812.11574},
year = {2019}
}
备注
10 pages, 10 figures