Unified Face Matching and Physical-Digital Spoofing Attack Detection

要約

顔認識テクノロジーは、セキュリティ、監視、認証システムの状況を劇的に変革し、ユーザーフレンドリーで非侵襲的な生体認証ソリューションを提供します。
しかし、その大きな利点にもかかわらず、顔認識システムは物理的およびデジタルなりすまし攻撃による脅威の増加に直面しています。
現在の研究では通常、顔認識と攻撃検出を別個の分類課題として扱います。
このアプローチでは、タスクごとに個別のモデルを実装する必要があり、特にリソースが限られているデバイスでは、かなりの計算の複雑さにつながります。
このような非効率性は、スケーラビリティを阻害し、パフォーマンスを妨げる可能性があります。
これらの課題に対応するため、このホワイト ペーパーでは、顔認識と物理的およびデジタル攻撃の検出のために設計された革新的な統合モデルを紹介します。
高度な Swin Transformer バックボーンを活用し、畳み込みニューラル ネットワーク フレームワークに HiLo アテンションを組み込むことで、統合された顔認識となりすまし攻撃の検出により効果的に対処します。
さらに、物理的およびデジタル スプーフィング キューの特性を再現する拡張技術を導入し、モデルの堅牢性を大幅に強化します。
さまざまなデータセットにわたる包括的な実験評価を通じて、統合された顔認識となりすまし検出におけるモデルの有効性を示します。
さらに、目に見えない物理的およびデジタルスプーフィング攻撃に対するその回復力を確認し、現実世界のアプリケーションへの可能性を強調しています。

要約(オリジナル)

Face recognition technology has dramatically transformed the landscape of security, surveillance, and authentication systems, offering a user-friendly and non-invasive biometric solution. However, despite its significant advantages, face recognition systems face increasing threats from physical and digital spoofing attacks. Current research typically treats face recognition and attack detection as distinct classification challenges. This approach necessitates the implementation of separate models for each task, leading to considerable computational complexity, particularly on devices with limited resources. Such inefficiencies can stifle scalability and hinder performance. In response to these challenges, this paper introduces an innovative unified model designed for face recognition and detection of physical and digital attacks. By leveraging the advanced Swin Transformer backbone and incorporating HiLo attention in a convolutional neural network framework, we address unified face recognition and spoof attack detection more effectively. Moreover, we introduce augmentation techniques that replicate the traits of physical and digital spoofing cues, significantly enhancing our model robustness. Through comprehensive experimental evaluation across various datasets, we showcase the effectiveness of our model in unified face recognition and spoof detection. Additionally, we confirm its resilience against unseen physical and digital spoofing attacks, underscoring its potential for real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google