Robust Face Morphing Attack Detection Using Fusion of Multiple Features and Classification Techniques

要約

【タイトル】複数の特徴量と分類技術の融合による頑健な顔変形攻撃検知

【要約】
– 顔認識システム（FRS）は、新生児の顔画像から生成された加工画像に対して脆弱性があることが示されている。
– 新生児の顔画像を使用したモーフィング画像を検出することは、セキュリティと社会の両面で望ましくない結果を避けるために重要である。
– 本論文では、ウェーブレット散乱ネットワーク（WSN）を使用した新しい基準ベース/差分モーフィング攻撃検出（MAD）方法を提案する。
– 2層のWSNを提案し、各層に対して250×250ピクセルと6つの回転ウェーブレットを使用し、結果として577のパスが得られる。
– 提案手法は、42人の新生児の顔画像を使用して構築された852個の正規画像と2460個のモーフィング画像のデータセットで検証され、他の既存のD-MAD技術に比べて10％以上の検出精度の向上が示された。

要約(オリジナル)

Face Recognition System (FRS) are shown to be vulnerable to morphed images of newborns. Detecting morphing attacks stemming from face images of newborn is important to avoid unwanted consequences, both for security and society. In this paper, we present a new reference-based/Differential Morphing Attack Detection (MAD) method to detect newborn morphing images using Wavelet Scattering Network (WSN). We propose a two-layer WSN with 250 $\times$ 250 pixels and six rotations of wavelets per layer, resulting in 577 paths. The proposed approach is validated on a dataset of 852 bona fide images and 2460 morphing images constructed using face images of 42 unique newborns. The obtained results indicate a gain of over 10\% in detection accuracy over other existing D-MAD techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI