基于小波变换与深度残差神经网络的表现攻击检测
密码学与安全
2023-12-04 v1 计算机视觉与模式识别
机器学习
摘要
生物特征认证在安全认证系统中的应用日益普遍。然而，生物特征载体可能以多种方式被冒名者欺骗。在其他冒名攻击中，打印攻击、面具攻击与重放攻击属于表现攻击范畴。生物特征图像，尤其是虹膜与人脸，易受不同表现攻击的威胁。本研究应用深度学习方法缓解生物特征门禁系统中的表现攻击。我们在本文中的贡献有两点：首先，我们应用小波变换从生物特征图像中提取特征。其次，我们改进了深度残差神经网络并将其应用于欺骗数据集以尝试检测表现攻击。本研究将所提方法应用于生物特征欺骗数据集，即 ATVS、CASIA 两类与 CASIA 裁剪图像集。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 ATVS 虹膜数据集上取得了 93% 的最佳准确率。对于 CASIA 两类与 CASIA 裁剪数据集，我们分别取得了 91% 与 82% 的测试准确率。
引用
@article{arxiv.2312.00040,
title = {Presentation Attack detection using Wavelet Transform and Deep Residual Neural Net},
author = {Prosenjit Chatterjee and Alex Yalchin and Joseph Shelton and Kaushik Roy and Xiaohong Yuan and Kossi D. Edoh},
journal= {arXiv preprint arXiv:2312.00040},
year = {2023}
}