基于扩散模型的无监督指纹照片呈现攻击检测
计算机视觉与模式识别
2024-09-30 v1
摘要
得益于智能手机相机技术的快速进步，基于智能手机的非接触式指纹照片认证已成为传统接触式指纹生物识别系统的可靠替代方案。尽管具有便利性，但通过指纹照片进行的指纹认证更容易受到呈现攻击，这促使了近期针对开发指纹照片呈现攻击检测（PAD）技术的研究工作。然而，现有的 PAD 方法采用了监督学习方法，需要真实样本和攻击样本的标记训练数据。这会面临两个关键问题，即 泛化能力：检测训练数据中未见过的新型呈现攻击仪器（PAI）；以及 可扩展性：使用不同 PAI 收集大量攻击样本数据集。为了应对这些挑战，我们提出了一种基于最先进的深度学习扩散模型——去噪扩散概率模型（DDPM）的新型无监督方法，该模型仅在真实样本上进行训练。所提出的方法通过计算 DDPM 输入与输出对之间的重建相似度来检测呈现攻击（PA）。我们在三个 PAI 数据集上进行了广泛实验，以测试我们方法的准确性和泛化能力。结果表明，与其他基线无监督方法相比，所提出的基于 DDPM 的 PAD 方法在多个 PAI 类别上实现了显著更优的检测错误率。
引用
@article{arxiv.2409.18636,
title = {Unsupervised Fingerphoto Presentation Attack Detection With Diffusion Models},
author = {Hailin Li and Raghavendra Ramachandra and Mohamed Ragab and Soumik Mondal and Yong Kiam Tan and Khin Mi Mi Aung},
journal= {arXiv preprint arXiv:2409.18636},
year = {2024}
}
备注
Accepted by IJCB 2024