基于先进 CNN 模型的非接触式指纹系统呈现攻击检测
计算机视觉与模式识别
2023-03-10 v1
摘要
基于触摸的指纹生物识别是最受欢迎的生物识别模态之一,在多个领域有应用。与触摸式技术相关的问题,如残留指纹的存在以及多人触摸同一表面带来的卫生问题,促使学界寻求非接触式解决方案。过去几年,非接触式指纹系统因能将任何带摄像头的设备变为指纹读取器而兴起并受到需求。然而,在充分利用非接触式方法的优势之前,生物识别学界需要解决一些顾虑,例如系统抵御呈现攻击的鲁棒性。主要障碍之一是公开可用数据集有限,且伪造与真实数据不足。在本出版物中,我们构建了一个呈现攻击检测(PAD)数据集,包含超过 7500 张四指图像、超过 14000 张手动分割的单指尖图像,以及 10000 张合成指尖(deepfakes)。该 PAD 数据集依据 FIDO 协议,从三个不同难度级别的六种不同呈现攻击工具(PAI)采集,包含五类不同 PAI 材料,并使用具有手动对焦的不同智能手机摄像头。我们利用 DenseNet-121 和 NasNetMobile 模型及我们提出的数据集开发了 PAD 算法,取得了攻击呈现分类错误率(APCER)0.14% 和真实呈现分类错误率(BPCER)0.18% 的 PAD 精度。我们还报告了模型在未见伪造类型上的测试结果,以复现不确定的真实世界测试场景。
引用
@article{arxiv.2303.05459,
title = {Presentation Attack Detection with Advanced CNN Models for Noncontact-based Fingerprint Systems},
author = {Sandip Purnapatra and Conor Miller-Lynch and Stephen Miner and Yu Liu and Keivan Bahmani and Soumyabrata Dey and Stephanie Schuckers},
journal= {arXiv preprint arXiv:2303.05459},
year = {2023}
}