SpectraIrisPAD: 利用视觉基础模型进行光谱条件化多光谱虹膜呈现攻击检测
计算机视觉与模式识别
2025-12-09 v1
摘要
虹膜识别被广泛认为是最准确的生物特征模态之一。然而，其在真实场景中的日益部署引发了对其呈现攻击（PA）脆弱性的重大担忧。有效的呈现攻击检测（PAD）因此对确保基于虹膜的生物特征系统的完整性和安全性至关重要。虽然传统虹膜识别系统主要在近红外（NIR）光谱范围内运行，但多光谱成像跨越多个NIR波段提供了互补的反射率信息，可以增强PAD方法的泛化能力。在这项工作中，我们提出了SpectraIrisPAD，一个用于鲁棒多光谱虹膜PAD的新型深度学习框架。SpectraIrisPAD采用DINOv2视觉Transformer（ViT）骨干网络，配备可学习的光谱位置编码、token融合和对比学习，以提取具有判别力的、带特定的特征，有效区分真实样本与各种欺骗攻击样本。此外，我们引入了一个新的综合数据集多光谱虹膜PAD（MSIrPAD），包含多样化的PAI，使用自定义设计的多光谱虹膜传感器在五个不同的NIR波长（800 nm、830 nm、850 nm、870 nm和980 nm）下捕获。该数据集包含18,848张虹膜图像，涵盖八种不同的PAI类别，包括五种纹理隐形眼镜、打印攻击和基于显示的攻击。我们在未见过的攻击评估协议下进行了全面的实验，以评估所提方法的泛化能力。SpectraIrisPAD在所有性能指标上持续优于多个最先进基线，展现出在检测广泛呈现攻击方面的优越鲁棒性和泛化能力。
引用
@article{arxiv.2512.06103,
title = {SpectraIrisPAD: Leveraging Vision Foundation Models for Spectrally Conditioned Multispectral Iris Presentation Attack Detection},
author = {Raghavendra Ramachandra and Sushma Venkatesh},
journal= {arXiv preprint arXiv:2512.06103},
year = {2025}
}
备注
Accepted in IEEE T-BIOM