ОБНАРУЖЕНИЕ ПЕЧАТНЫХ ЛОЖНЫХ АТАК С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ
Ключевые слова:
биометрическая система, ложная атака, локальный бинарный шаблон, метод опорных векторов, сверточные нейронные сети, рекуррентная сеть, метрики оценки классификatsiиАннотация
В статье рассматривается метод обнаружения ложных атак на биометрическую систему идентификatsiи по лицу, основанную на глубоких сверточных нейронных сетях. Предложенный метод предназначен для обнаружения печатных ложных атак, а также протестирован на открытых базах данных реальных и поддельных лиц, и проанализированы результаты. Проанализированы типы ложнқх атак, организованных на биометрическую систему, основанную на существующих лицах
Библиографические ссылки
Фозилов Ш.Х., Раджабов С.С, Абдукадиров Б.А. / Шахсни биометрик идентификациялаш тизимларида сохта киришни аниқлаш муаммоси // Мухаммад ал-Хоразмий авлодлари, Ташкент 2020. — №3(13). - Б. 16–23.
Duc N.M. Your face is not your password / Black Hat Conference. 2009. – C. 1-16.
Chingovska, I. On the Effectiveness of Local Binary Patterns in Face Antispoofing / I. Chingovska, A. Anjos, S. Marcel // Biometrics Special Interest Group, 2012 BIOSIG - Proceedings of the International Conference of the.– 2012.
Maatta, J. Face spoofing detection from single images using micro-texture analysis / J. Maatta, A. Hadid, M.Pietikainen // Biometrics (IJCB), International Joint Conference on Biometrics, IEEE. – 2011. – С. 1-7.
Rekha, P.S. Spoofing Face Recognition Using Neural Network with 3D Mask / / IJETCSE. – 2015. – Т. 14 – № 1 – С. 123-127.
Yang, J. Face liveness detection with component dependent descriptor / J. Yang, Z. Lei, S. Liao // Biometrics (ICB). – 2013. – С. 1-6.
Способ идентификации личности по радужной оболочке глаза (варианты) : пат. 2407435 Рос. Федерация : МПК A 61 B 3/10 / Д. Е. Антонов ; заявитель и патентообладатель Антонов Дмитрий Евгеньевич. – № 2009128069/14 ; заявл. 22.07.2009 ; опубл. 27.12.2010.
Adamiak, K. Liveness detection in remote biometrics based on gaze direction estimation / K. Adamiak, D. Zurek, K. Slot // Proc. Fed. Conf. Comput. Sci. Inf. Syst. – 2015. – C. 225–230.
Kant, C. Fake Face Recognition Using Fusion of Thermal Imaging and Skin Elasticity / C. Kant, N. Sharma // IJCSC. – 2013. – Т. 4 – C. 65-72.
Chen, S. Sensor-assisted facial recognition: an enhanced biometric authentication system for smartphones / S. Chen, A. Pande, P. Mohapatra // MobiSys '14. – 2014. – C. 109-122.
Ручай, А.Н. Модель атак и защиты биометрических систем распознавания диктора / А. Н. Ручай // Доклады ТУСУРа. – 2011. – № 1 – С. 96–100.
Ratha, N.K. Enhancing security and privacy in biometrics-based authentication systems / N. K. Ratha, J. H. Connell, R. M. Bolle // IBM Syst. J. – 2001. – Т. 40, № 3 – С. 614–634.
Yang, J. Learn convolutional neural network for face antispoofing. arXiv preprint arXiv:1408.5601, 2014
Li, L. An original face anti-spoofing approach using partial convolutional neural network. In IPTA, 2016.
Xu, Z. Learning temporal features using LSTM-CNN architecture for face anti-spoofing. ACPR, 2015, pp. 41-45
Rodriguez P., A painless attention mechanism for convolutional neural networks, ICLR, 2018, pp. 1-8
Загрузки
Опубликован
Как цитировать
Лицензия
Copyright (c) 2025 Бахтиёр Абдукадиров
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
