用于广义人脸呈现攻击检测的 MixNet
计算机视觉与模式识别
2020-10-27 v1 密码学与安全
摘要
人脸识别算法非侵入性与高精度的特点使其在从边境通行到移动解锁和数字支付等多种应用中成功部署。然而，它们对复杂且低成本的呈现攻击介质的脆弱性引发了关于其可靠性的关键问题。文献中提出了若干呈现攻击检测算法；然而，它们仍远未达实用。现有工作的主要问题在于针对已见与未见设定下多种攻击的泛化能力。对一种攻击（如打印）有效的算法对另一类攻击（如硅胶面具）表现不佳。在本研究中，我们提出了一种称为 MixNet 的基于深度学习的网络，用于在跨数据库与未见攻击设定下检测呈现攻击。所提算法利用最先进的卷积神经网络架构，并为每一攻击类别学习特征映射。使用 SMAD 与 Spoof In the Wild（SiW-M）等多个具有挑战性的人脸呈现攻击数据库进行了实验。大量实验及与现有最先进算法的对比显示了所提算法的有效性。
引用
@article{arxiv.2010.13246,
title = {MixNet for Generalized Face Presentation Attack Detection},
author = {Nilay Sanghvi and Sushant Kumar Singh and Akshay Agarwal and Mayank Vatsa and Richa Singh},
journal= {arXiv preprint arXiv:2010.13246},
year = {2020}
}
备注
ICPR 2020, 8 pages, 6 figures, 7 tables