利用DCGAN与深度CNN缓解呈现攻击
计算机视觉与模式识别
2022-07-04 v1 人工智能
摘要
基于生物特征的认证当前正发挥着比传统认证系统更重要的作用；然而，呈现攻击的风险也随之上升。我们的研究旨在识别即便用户充足生物特征图像样本有限时也能防范呈现攻击的环节。我们的工作聚焦于通过实现深度卷积生成对抗网络（DCGAN）从真实图像集生成照片级真实感合成图像。我们在假图像生成过程中实施了时间与空间增强。我们的工作使用受VGGNet[1]启发的深度CNN检测人脸与虹膜图像上的呈现攻击。我们在三个不同的生物特征图像数据集（即MICHE I[2]、VISOB[3]和UBIPr[4]）上应用了深度神经网络技术。本研究使用的数据集包含在受控与非受控环境下捕获的、具有不同分辨率与尺寸的图像。我们在UBI-Pr[4]虹膜数据集上取得了97%的最佳测试准确率。对于MICHE-I[2]和VISOB[3]数据集，我们分别取得了95%和96%的测试准确率。
引用
@article{arxiv.2207.00161,
title = {Mitigating Presentation Attack using DCGAN and Deep CNN},
author = {Nyle Siddiqui and Rushit Dave},
journal= {arXiv preprint arXiv:2207.00161},
year = {2022}
}