Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- Методы определения живого присутствия пользователя перед видеокамерой в задачах биометрической аутентификации по лицу
- Авторы
- Сулавко Алексей Евгеньевич sulavich@mail.ru, канд. техн. наук, доцент кафедры "Комплексная защита информации", ФГАОУ ВО "Омский государственный технический университет", г. Омск, Россия
Панфилова Ирина Евгеньевна panfilova_2015@bk.ru, аспирант, инженер, ФГБОУ ВО «Самарский государственный технический университет», г. Самара, Россия
- В разделе
- ТЕХНИЧЕСКАЯ ЗАЩИТА ИНФОРМАЦИИ. Управление доступом
- Ключевые слова
- спуфинг атаки / распознавание лиц / биометрическая аутентификация / глубокое обучение / сверточные нейронные сети / компьютерное зрение
- Год
- 2023 номер журнала 2 Страницы 17 - 26
- Индекс УДК
- 004.93'1
- Код EDN
- ENKYIW
- Код DOI
- 10.52190/2073-2600_2023_2_17
- Финансирование
- Тип статьи
- Научная статья
- Аннотация
- Представлен обобщающий обзор методов и технологий, используемых для определения живого присутствия аутентифицируемого субъекта. Среди результатов проведенного анализа можно выделить неуклонную тенденцию смены подходов по определению живого присутствия на основе «ручной» обработки образов на многослойные алгоритмы машинного обучения. Однако анализ подобных алгоритмов показывает, что характерной особенностью их функционирования становится невозможность воспроизведения результатов, полученных при обучении, в реальной практике. Более того, даже незначительные изменения условий процедуры аутентификации для таких алгоритмов становятся критичными с точки зрения робастности всей системы. Возможным решением указанных проблем может стать применение для задач определения живого присутствия методов объяснимого искусственного интеллекта.
- Полный текст статьи
- Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Список цитируемой литературы
-
ГОСТ Р 52633.5-2011. Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа. - М.: Стандартинформ, 2013. - 16 с.
Zitong Yu, Yunxiao Qin, Xiaobai Li, Chenxu Zhao, Zhen Lei, Guoying Zhao. Deep Learning for Face Anti-Spoofing: A Survey // IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). 2022. P. 5609-5631. DOI: 10.1109/TPAMI.2022.3215850.
Galbally J., Satta Ro. Three-dimensional and two-and-a-half dimensional face recognition spoofing using // IET Biometrics. 2015. V. 5(2). P. 1-9. DOI: 10.1049/iet-bmt.2014.0075.
Zhang B., Tondi B., Barni M. Adversarial examples for replay attacks against CNN-based face recognition with anti-spoofing capability // Computer Vision and Image Understanding, 2020. P. 197-198. DOI: 10.1016/j.cviu.2020.102988 <http://dx.doi.org/10.1016/j.cviu.2020.102988>.
Li L., Feng X., Boulkenafet Z., Xia Z., Li M., Hadid A. An original face anti-spoofing approach using partial convolutional neural network // Sixth International Conference on Image Processing Theory, Tools and Applications (IPTA). 2016. P. 1-6. DOI: 10.1109/IPTA.2016.7821013.
Золотарев В. В., Поважнюк А. О., Маро Е. А. Методы усиления процедуры идентификации пользователей на основе технологии liveness detection // Научно-технический и прикладной журнал "Известия ЮФУ. Технические науки". 2022. № 2. C. 212-225.
Chingovska I., Anjos A., Marcel S. On the Effectiveness of Local Binary Patterns in Face Anti-spoofing // IEEE International Conference of the Biometrics Special Interest Group (BIOSIG). 2012. P. 1-7.
Kim G., Eum S., Suhr J. K., Kim D. I., Park K. R., Kim J. Face liveness detection based on texture and frequency analyses // 5th IAPR International Conference on Biometrics (ICB), New Delhi, India. 2012. P. 67-72. DOI: 10.1109/ICB.2012.6199760.
Maatta J., Hadid A., Pietikainen M. Face spoofing detection from single images using microtexture analysis // Proc. International Joint Conference on Biometrics (UCB). 2011. P. 1-7. DOI: 10.1109/IJCB.2011.6117510.
Das D., Chakraborty S. Face liveness detection based on frequency and micro-texture analysis // International Conference on Advances in Engineering & Technology Research (ICAETR). 2014. P. 1-4. DOI: 10.1109/ICAETR.2014.7012923.
Patel K., Han H., Jain A. K. Secure Face Unlock: Spoof Detection on Smartphones // IEEE Transactions on Information Forensics and Security. 2016. V. 11. № 10. P. 2268-2283. DOI: 10.1109/TIFS.2016.2578288.
Boulkenafet Z., Komulainen J., Hadid A. Face Anti-Spoofing using Speeded-Up Robust Features and Fisher Vector Encoding // IEEE Signal Processing Letters. 2016. P. 141-145. DOI: 10.1109/LSP.2016.2630740.
Tan X., Li Y., Liu J., Jiang L. Face Liveness Detection from a Single Image with Sparse Low Rank Bilinear Discriminative Model // Lecture Notes in Computer Science. 2010. P. 504-517. DOI: 10.1007/978-3-642-15567-3_37 <http://dx.doi.org/10.1007/978-3-642-15567-3_37>.
Komulainen J., Hadid A., Pietikainen M. Context based face anti-spoofing // IEEE Sixth International Conference on Biometrics: Theory, Applications and Systems (BTAS). 2013. P. 1-8. DOI: 10.1109/BTAS.2013.6712690.
Patel K., Han H., Jain A. K., Ott G. Live face video vs. spoof face video: Use of moiré patterns to detect replay video attacks // International Conference on Biometrics. 2015. P. 98-105. DOI: 10.1109/ICB.2015.7139082.
Anjos A., Chakka M. M., Marcel S. Motion-based counter-measures to photo attacks in face recognition // IET Biometrics. 2014. V. 3(3). P. 147-158. DOI:10.1049/iet-bmt.2012.0071.
Pan G., Sun L., Wu Z., Lao S. Eyeblink-based anti-spoofing in face recognition from a generic webcamera // ICCV. 2007. P. 1-8. DOI: 10.1109/ICCV.2007.4409068.
Li J.-W. Eye blink detection based on multiple gabor response waves // IEEE ICMLC. 2008. V. 5. P. 2852-2856. DOI: 10.1109/ICMLC.2008.4620894.
Wei Bao, Hong Li, Nan Li, Wei Jiang. A liveness detection method for face recognition based on optical flow field // In Image Analysis and Signal Processing (IASP). 2009. P. 233-236. DOI: 10.1109/IASP.2009.5054589.
Li X., Komulainen J., Zhao G., Yuen P.-C., Pietikainen M. Generalized face anti-spoofing by detecting pulse from face vi- deos // ICPR. 2016. P. 4244-4249. DOI: 10.1109/ICPR.2016.7900300 <http://dx.doi.org/10.1109/ICPR.2016.7900300>.
Lin B., Li X., Yu Z., Zhao G. Face liveness detection by rPPG features and contextual patch-based СNN // ICBEA. ACM. 2019. DOI: 10.1145/3345336.3345345.
Mohamed S., Ghoneim A., Youssif A. Visible/Infrared face spoofing detection using texture descriptors // MATEC Web of Conferences. 2019. - 5 p. DOI: 10.1051/matecconf/201929204006 <http://dx.doi.org/10.1051/matecconf/201929204006>.
Roomi M., Beham M. P., Dharmalakshmi D. Face spoofing detection based on depthmap and gradient binary pattern // International Journal of Applied Engineering Research. 2015. V. 9(21). Р. 4990-4996.
Atoum Y., Liu Y., Jourabloo A., Liu X. Face anti-spoofing using patch and depth-based CNNs // IEEE International Joint Conference on Biometrics (IJCB). 2017. P. 319-328. DOI: 10.1109/BTAS.2017.8272713.
Jourabloo A., Liu X. Large-pose face alignment via CNN-based dense 3D model fitting: proceedings of the IEEE Confe- rence on Computer Vision and Pattern Recognition. 2016. P. 4188-4196. DOI: 10.1109/CVPR.2016.454.
Roth J., Tong Y., Liu X. Adaptive 3D face reconstruction from unconstrained photo collections: proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016. P. 4197-4206. DOI: 10.1109/CVPR.2016.455.
Wang Y., Chen S., Li W., Huang D., Wang Y. Face anti-spoofing to 3D masks by combining texture and geometry features // Chinese Conference on Biometric Recognition. Springer. 2018. P. 399-408.
Kose N., Dugelay J.-L. On the vulnerability of face recognition systems to spoofing mask attacks // IEEE International Conference Acoustics, Speech and Signal Processing (ICASSP). 2013. P. 2357-2361. DOI: 10.1109/ICASSP.2013.6638076.
Tang Y., Chen L. 3d facial geometric attributes based anti-spoofing approach against mask attacks // 12th IEEE International Conference Automatic Face & Gesture Recognition (FG 2017). 2017. P. 589-595. DOI: 10.1109/FG.2017.74.
Li L., Feng X., Boulkenafet Z., Xia Z., Li M., Hadid A. An original face anti-spoofing approach using partial convolutional neural network // IPTA. 2016. P. 1-6. DOI: 10.1109/IPTA.2016.7821013.
Patel K., Han H., Jain A. K. Cross-database face anti-spoofing with robust feature representation // CCBR. 2016. P. 611-619.
George A., Marcel S. Deep pixel-wise binary supervision for face presentation attack detection // ICB. CONF. 2019. P. 1-8. DOI: 10.1109/ICB45273.2019.8987370.
Cai R., Chen C. Learning deep forest with multi-scale local binary pattern features for face anti-spoofing // arXiv preprint. 2019. P. 1-12.
Yang J., Lei Z., Li S. Z. Learn convolutional neural network for face anti-spoofing // arXiv preprint. 2014. - 8 p. https://doi.org/10.48550/arXiv.1408.5601.
Lucena O., Junior A., Moia V., Souza R., Valle E., Lotufo R. Transfer learning using convolutional neural networks for face anti-spoofing // ICIAR. 2017. P. 27-34. DOI: 10.1007/978-3-319-59876-5.
Chen H., Hu G., Lei Z., Chen Y., Robertson N. M., Li S. Z. Attention-based two-stream convolutional networks for face spoofing detection // TIFS. 2019. V. 15. P. 578-593. DOI: 10.1109/TIFS.2019.2922241.
George A., Marcel S. On the effectiveness of vision transformers for zero-shot face anti-spoofing // arXiv preprint. 2020. - 8 p.
Shao R., Lan X., Li J., Yuen P. C. Multi-adversarial discriminative deep domain generalization for face presentation attack detection // CVPR. 2019. P. 10015-10023. DOI: 10.1109/CVPR.2019.01026.
Liu Y., Stehouwer J., Jourabloo A., Liu X. Deep tree learning for zero-shot face anti-spoofing // CVPR. 2019. P. 4675-4684. DOI: 10.1109/CVPR.2019.00481.
Khairnar S., Gite Sh., Kotecha K., Thepade S. Face liveness detection using artificial intelligence techniques: A systematic literature review and future directions // Big Data Cogn. Comput. 2023. - 37 р. DOI: 10.3390/bdcc7010037 <http://dx.doi.org/10.3390/bdcc7010037>.
Selvaraju R. R., Cogswell M., Das A., Vedantam R., Parikh D., Batra D. Grad-cam: Visual explanations from deep networks via gradient-based localization // ICCV. 2017. P. 618-626. DOI: 10.1109/ICCV.2017.74.
Wilson Silva, Tiago Filipe Sousa Gonçalves, Ana Sequeira, João Ribeiro Pinto. Explainable Artificial Intelligence for Face Presentation Attack Detection // 26th Portuguese Conference in Pattern Recognition (RECPAD). 2020.
Murilo Leite Nóbrega. Explainable and Interpretable Face Presentation Attack Detection Methods // Mestrado Integrado em Engenharia Eletrotécnica e de Computadores. 2021.
Мишра П. Объяснимые модели искусственного интеллекта на Python. Модель искусственного интеллекта. Объяснения с использованием библиотек, расширений и фреймворков на основе языка Python / пер. с англ. Минца С. В. - М.: ДМК Пресс, 2022. - 298 с.
Gao C., Li X., Zhou F., Mu S. Face Liveness Detection Based on the Improved CNN with Context and Texture Information // Chinese Journal of Electronics. 2019. V. 28(6). P. 1092-1098. DOI: 10.1049/cje.2019.07.012 <http://dx.doi.org/10.1049/cje.2019.07.012>
- Купить
