泛化指纹 spoof 检测器：学习一类分类器
计算机视觉与模式识别
2019-04-09 v2
摘要
主流指纹识别系统易受 spoof 攻击。为缓解此类攻击，自动化 spoof 检测器被训练用于区分一组活体（真实）指纹与一组已知 spoof 指纹。尽管取得成功，当检测器遭遇由训练时未见的材料制成的 spoof 攻击时，仍显脆弱。为缓解此缺陷，我们将 spoof 检测视为一类分类问题。目标仅为活体指纹训练 spoof 检测器，使得一旦习得“活体”概念，任何材料的 spoof 均可被拒绝。我们通过在使用开源双摄像头、1900 ppi RaspiReader 指纹读取器获取的活体指纹图像上训练多个生成对抗网络（GANs）来实现这一点。我们在5.5K张 spoof 图像（来自12种材料）与11.8K张活体图像上的实验结果表明，相较于最先进的一类与二类 spoof 检测器，所提方法分别在12种测试材料中的11种与12种中的7种上提升了跨材料 spoof 检测性能。
引用
@article{arxiv.1901.03918,
title = {Generalizing Fingerprint Spoof Detector: Learning a One-Class Classifier},
author = {Joshua J. Engelsma and Anil K. Jain},
journal= {arXiv preprint arXiv:1901.03918},
year = {2019}
}