IDNet：用于身份证件分析与欺诈检测的新型数据集
计算机视觉与模式识别
2024-09-05 v2 人工智能
多媒体
摘要
有效的欺诈检测和政府签发身份证件（如护照、驾驶执照和身份证）的分析对于遏制身份盗窃、强化线上平台安全至关重要。准确欺诈检测工具的训练依赖于大量身份证件数据集的可用性。然而，当前可公开获取的身份证件分析基准数据集，包括MIDV-500、MIDV-2020和FMIDV，在多个方面不足：样本数量有限、欺诈模式覆盖不够广泛，且很少包含对关键个人识别字段（如肖像图像）的修改，限制了其在训练能够检测真实欺诈且保留隐私的模型时效性。在此基础上，我们的研究引入了新的基准数据集IDNet，旨在推动隐私保护型欺诈检测的发展。IDNet数据集包含837,060张合成身份证件图像，总计约490 gigabytes，涵盖来自10个美国州和10个欧洲国家的20种类型。我们评估了数据集的实用性并展示了应用场景，说明其可用于训练隐私保护型欺诈检测方法、促进身份证件的摄像和视频捕获，以及测试模式统一和其他身份证件管理功能。
引用
@article{arxiv.2408.01690,
title = {IDNet: A Novel Dataset for Identity Document Analysis and Fraud Detection},
author = {Hong Guan and Yancheng Wang and Lulu Xie and Soham Nag and Rajeev Goel and Niranjan Erappa Narayana Swamy and Yingzhen Yang and Chaowei Xiao and Jonathan Prisby and Ross Maciejewski and Jia Zou},
journal= {arXiv preprint arXiv:2408.01690},
year = {2024}
}
备注
40 pages