SynMorph: Generating Synthetic Face Morphing Dataset with Mated Samples

要約

顔モーフィング攻撃検出 (MAD) アルゴリズムは、顔認識システムの脆弱性を克服するために不可欠になっています。
プライバシーへの懸念と制限により、大規模で一般に利用可能なデータセットが不足していることを解決するために、この研究では、2,450 のアイデンティティと 100,000 を超えるモーフィングを含む合成顔モーフィング データセットを生成する新しい方法を提案します。
提案された合成顔モーフィング データセットは、高品質のサンプル、さまざまなタイプのモーフィング アルゴリズム、および単一モーフィング攻撃検出アルゴリズムと差分モーフィング攻撃検出アルゴリズムの両方の一般化という点で独特です。
実験では、顔画像品質評価と脆弱性分析を適用して、生体サンプルの品質と顔認識システムに対するモーフィング攻撃の可能性の観点から、提案された合成顔モーフィング データセットを評価します。
結果は既存の SOTA 合成データセットと代表的な非合成データセットでベンチマークされており、SOTA と比較して改善が示されています。
さらに、さまざまなプロトコルを設計し、モーフィング攻撃検出アルゴリズムのトレーニングにおける提案された合成データセットの使用の適用性を研究します。

要約(オリジナル)

Face morphing attack detection (MAD) algorithms have become essential to overcome the vulnerability of face recognition systems. To solve the lack of large-scale and public-available datasets due to privacy concerns and restrictions, in this work we propose a new method to generate a synthetic face morphing dataset with 2450 identities and more than 100k morphs. The proposed synthetic face morphing dataset is unique for its high-quality samples, different types of morphing algorithms, and the generalization for both single and differential morphing attack detection algorithms. For experiments, we apply face image quality assessment and vulnerability analysis to evaluate the proposed synthetic face morphing dataset from the perspective of biometric sample quality and morphing attack potential on face recognition systems. The results are benchmarked with an existing SOTA synthetic dataset and a representative non-synthetic and indicate improvement compared with the SOTA. Additionally, we design different protocols and study the applicability of using the proposed synthetic dataset on training morphing attack detection algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google