统一人脸匹配与物理-数字欺骗攻击检测
计算机视觉与模式识别
2025-07-04 v1
摘要
人脸识别技术极大地改变了安全、监控和认证系统的格局，提供了一种用户友好且非侵入式的生物特征解决方案。然而，尽管具有显著优势，人脸识别系统仍面临来自物理和数字欺骗攻击的日益增长的威胁。当前研究通常将人脸识别和攻击检测视为独立的分类挑战。这种方法需要为每个任务实现单独的模型，导致计算复杂度相当高，尤其是在资源有限的设备上。这种低效会阻碍可扩展性并影响性能。为了应对这些挑战，本文提出了一种创新的统一模型，专为人脸识别以及物理和数字攻击检测而设计。通过利用先进的 Swin Transformer 主干并在卷积神经网络框架中引入 HiLo 注意力，我们更有效地解决了统一人脸识别和欺骗攻击检测问题。此外，我们引入了复制物理和数字欺骗线索特征的增强技术，显著提升了模型的鲁棒性。通过在多个数据集上的全面实验评估，我们展示了模型在统一人脸识别和欺骗检测中的有效性。此外，我们确认了其对未见过的物理和数字欺骗攻击的抵御能力，凸显了其在实际应用中的潜力。
引用
@article{arxiv.2501.09635,
title = {Unified Face Matching and Physical-Digital Spoofing Attack Detection},
author = {Arun Kunwar and Ajita Rattani},
journal= {arXiv preprint arXiv:2501.09635},
year = {2025}
}