用于基于软件的指纹呈现攻击检测的 GAN 预训练深度卷积自编码器
机器学习
2021-05-24 v1
摘要
随着指纹用于认证的日益增多，对可靠判定指纹呈现攻击系统的需求也在增长。本工作提出一种用于基于软件的指纹呈现攻击检测的单类分类新方法。所述方法利用 Wasserstein GAN 将迁移学习应用于深度卷积自编码器。借此，该自编码器得以在仅含 1122 个真实训练样本的 LivDet2021 Dermalog 传感器数据集上预训练与微调。在不使用任何呈现攻击样本的情况下，模型取得了 16.79% 的平均分类错误率。为实现自编码器权重预训练而实施的 Wasserstein GAN 可进一步用于生成逼真的人工指纹块。对不同自编码器架构与超参数的广泛测试得出了粗略的架构指导方针以及可用于未来工作的多种实现。
引用
@article{arxiv.2105.10213,
title = {GAN pretraining for deep convolutional autoencoders applied to Software-based Fingerprint Presentation Attack Detection},
author = {Tobias Rohrer and Jascha Kolberg},
journal= {arXiv preprint arXiv:2105.10213},
year = {2021}
}