EXPRESSNET: An Explainable Residual Slim Network for Fingerprint Presentation Attack Detection

要約

プレゼンテーション攻撃は、自動指紋認識システムのセキュリティにおいて依然として続く困難な問題です。
この論文は、入力指紋サンプルの視覚的特徴を表すことによってプレゼンテーション攻撃を検出する、新しい説明可能な残差スリム ネットワークを提案します。
このネットワークのエンコーダー/デコーダーは、チャネル アテンション ブロックとともに、入力サンプルをヒートマップ表現に変換し、一方で、修正された残差畳み込みニューラル ネットワーク分類器がライブ フィンガープリントとスプーフィング フィンガープリントを区別します。
ヒートマップ ジェネレーター ブロックと修正された ResNet 分類器のアーキテクチャ全体は、エンドツーエンドで連携して動作します。
提案されたモデルのパフォーマンスは、ベンチマーク生存検出競合データベース (Livdet 2011、2013、2015、2017、および 2019) で検証され、分類精度は 96.86\%、99.84\%、96.45\%、96.07\%、96.27\% です。
それぞれで達成されます。
提案モデルの性能を最先端技術と比較し、提案手法は分類精度の点でプレゼンテーション攻撃検出のベンチマークプロトコルにおいて最先端手法を上回りました。

要約(オリジナル)

Presentation attack is a challenging issue that persists in the security of automatic fingerprint recognition systems. This paper proposes a novel explainable residual slim network that detects the presentation attack by representing the visual features in the input fingerprint sample. The encoder-decoder of this network along with the channel attention block converts the input sample into its heatmap representation while the modified residual convolutional neural network classifier discriminates between live and spoof fingerprints. The entire architecture of the heatmap generator block and modified ResNet classifier works together in an end-to-end manner. The performance of the proposed model is validated on benchmark liveness detection competition databases i.e. Livdet 2011, 2013, 2015, 2017, and 2019 and the classification accuracy of 96.86\%, 99.84\%, 96.45\%, 96.07\%, 96.27\% are achieved on them, respectively. The performance of the proposed model is compared with the state-of-the-art techniques, and the proposed method outperforms state-of-the-art methods in benchmark protocols of presentation attack detection in terms of classification accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google