Improving Presentation Attack Detection for ID Cards on Remote Verification Systems

要約

このホワイト ペーパーでは、MobileNetV2 に基づく、ID カードのリモート バイオメトリック検証システム用の更新された 2 段階のエンド ツー エンドのプレゼンテーション攻撃検出方法を紹介します。
さまざまなキャプチャ ソースを使用した、印刷、ディスプレイ、複合 (切り取られた領域と結合された領域に基づく)、プラスチック (PVC)、および合成 ID カード画像など、いくつかのプレゼンテーション攻撃種が使用されます。
この提案は、サードパーティ企業の支援を受けて、190,000 の実例のチリの ID カード画像からなるデータベースを使用して作成されました。
また、ISO/IEC 30107-3 規格に準拠したマルチクラス メトリクスを推定するために使用される PyPAD と呼ばれる新しいフレームワークが開発され、研究目的で利用できるようになります。
私たちの方法は、2 つの畳み込みニューラル ネットワークで個別にトレーニングされ、ID カード攻撃でそれぞれ 1.69\% と 2.36\% の BPCER\textsubscript{100} スコアに達しました。
両方のモデルを一緒に使用する 2 段階の方法では、BPCER\textsubscript{100} スコア 0.92\% に達する可能性があります。

要約(オリジナル)

In this paper, an updated two-stage, end-to-end Presentation Attack Detection method for remote biometric verification systems of ID cards, based on MobileNetV2, is presented. Several presentation attack species such as printed, display, composite (based on cropped and spliced areas), plastic (PVC), and synthetic ID card images using different capture sources are used. This proposal was developed using a database consisting of 190.000 real case Chilean ID card images with the support of a third-party company. Also, a new framework called PyPAD, used to estimate multi-class metrics compliant with the ISO/IEC 30107-3 standard was developed, and will be made available for research purposes. Our method is trained on two convolutional neural networks separately, reaching BPCER\textsubscript{100} scores on ID cards attacks of 1.69\% and 2.36\% respectively. The two-stage method using both models together can reach a BPCER\textsubscript{100} score of 0.92\%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google