基于深度神经网络的迁移学习用于耳部呈现攻击检测：新的PAD数据库
计算机视觉与模式识别
2021-12-13 v1 密码学与安全
摘要
耳部识别系统已被广泛研究，然而针对耳部识别系统的耳部呈现攻击检测方法甚少，因此尚无公开可用的耳部呈现攻击检测（PAD）数据库。本文中，我们提出一种使用预训练深度神经网络的PAD方法，并发布一个名为华沙工业大学耳部呈现攻击检测数据集（WUT-Ear V1.0）的新数据集。目前没有使用移动设备捕获的耳部数据库。因此，我们从134名受试者捕获了超过8500张真实耳部图像，并使用3种不同移动设备制作了超过8500张伪造耳部图像进行重放攻击和照片打印攻击。我们的方法在重放攻击数据库上分别取得了99.83%的半总错误率（HTER）和0.08%的攻击呈现分类错误率（APCER）。所捕获的数据经过统计分析与可视化以探明其重要性并使其成为进一步研究的基准。实验发现了一种安全的耳部识别系统PAD方法、公开可用的耳部图像及耳部PAD数据集。代码与评估结果公开于 https://github.com/Jalilnkh/KartalOl-EAR-PAD。
引用
@article{arxiv.2112.05237,
title = {Transfer learning using deep neural networks for Ear Presentation Attack Detection: New Database for PAD},
author = {Jalil Nourmohammadi Khiarak},
journal= {arXiv preprint arXiv:2112.05237},
year = {2021}
}