多模态指纹呈现攻击检测：基于新数据集的评估
计算机视觉与模式识别
2020-06-22 v2 密码学与安全
机器学习
摘要
由于攻击制备技术的不断进步，能够生成逼真的假指纹呈现，指纹呈现攻击检测正成为一个日益严峻的挑战。在这项工作中，我们不依赖于社区中广泛使用的传统指纹图像，而是研究了多种最近引入的传感模态的有效性。我们的研究涵盖了使用短波红外、近红外和激光照明的前照式成像，以及使用近红外光的背照式成像。为了研究这些非常规传感模态及其融合在活体检测中的有效性，我们使用全卷积深度神经网络框架进行了全面分析。我们的评估将新传感模态的不同组合与我们自己收集的数据集之一以及公开的LivDet2015数据集中的传统数据进行了比较，结果表明新传感模态在大多数情况下具有优越性。评估还涵盖了已知攻击和未知攻击的情况，以及数据集内评估和跨数据集评估的情况。我们的结果表明，我们方法的效力源于所捕获数据的性质，而非所采用的分类框架，这证明了基于硬件（或混合）解决方案的额外成本是合理的。我们计划公开发布我们的一个数据集集合。
引用
@article{arxiv.2006.07498,
title = {Multi-Modal Fingerprint Presentation Attack Detection: Evaluation On A New Dataset},
author = {Leonidas Spinoulas and Hengameh Mirzaalian and Mohamed Hussein and Wael AbdAlmageed},
journal= {arXiv preprint arXiv:2006.07498},
year = {2020}
}