針對生物辨識系統的臉部變形欺騙攻擊對於邊界系統來說檢測起來尤其具有挑戰性，隨著變形攻擊偵測系統的開發，出現瞭如何測試此類系統以及它們如何受到所用影像品質影響的問題。在回答這兩個問題方面已經取得了進展。
iMARS（圖像操縱攻擊解決方案）計畫在布魯塞爾和線上舉辦了一場活動，探討主題“打擊身分詐欺：影像篡改偵測新工具」。今年早些時候的 iMARS 研討會分享了一些進展，但也有一個發人深省的消息：。
在週四下午的活動中，博洛尼亞大學的 Christophe Busch 和 Matteo Ferrara 發表了兩場演講。
博洛尼亞大學的研究人員開發了 MAD 系統的評估平台(BOEP)，今年稍早在 EAB 午餐談話中提出。 Ferrara 介紹了 BOEP 對 iMARS 評估的基準。這些系統分為單一影像變形攻擊偵測（SMAD）和差分變形攻擊偵測（DMAD）。
截至目前，iMARS 六家合作夥伴共提交了 34 種 SMAD 演算法。 Ferrara 表示，iMARS 專案設定的 BPCER 低於 8% 的目標已在所有 SMAD 基準測試中實現，變形攻擊分類錯誤率 (MACER) 等於或低於 10%。
對於 DMAD，4 個 iMARS 合作夥伴提交了 10 種演算法。在這種情況下，關鍵效能指標是 BPCER 為 6% 或更低，而 MACER 則低於 10%，並且在所有基準測試中同樣滿足。
Ferrara 也回顧了 NIST 的 FATE MORPH 和 BOEP 之間的差異。
品質評估依賴高品質影像
Busch 討論了能夠評估生物辨識樣本品質對 iMars 計畫的重要性。
大規模的資料庫和多樣化的應用場景增加了考慮影像品質的重要性。這有助於避免誤報，但對於互通性也至關重要。考慮到該計劃的貢獻者眾多，這一點尤其重要。布希指出，他們擁有「許多不同的捕獲地點，採用不同的技術，接受不同程度的訓練」。
人臉影像品質評估 (FIQA) 開發背後的激勵概念是關於什麼是好的、什麼是不好的標準化概念。這些演算法有助於預測預期的識別性能，並協助檢測變形影像。
EES 系統是根據 ISO/IEC 19794-5 建立的，因此提供了一些要求，並且，OFIQ（開源人臉影像品質）是其參考實現，為它們提供了測量結果。它們必須應用於預先註冊的參考影像、即時註冊的參考影像（例如 EES 資訊亭）以及探測影像（例如來自生物辨識自動邊境控制門的影像）。
ISO/IEC 29794-1 規定的統一品質評分 (UQS) 提供總體評估，缺陷測量提供可解釋性。 OFIQ 軟體提供 28 種品質衡量標準，從統一品質評分開始，涵蓋擷取裝置和受試者變數。
人們提出了許多演算法，iMARS 專案確定了評估這些提案的三個標準：準確性、低計算複雜性和許可證的自由度。
OFIQ-UQS 高於某個閾值（約 70）的影像將足以儲存和使用。
Busch 解釋說，該指標的成功體現在丟棄低品質影像時匹配效能的提高，這為 iMARS 專案的核心問題之一提供了答案； “我們如何衡量人臉圖像品質對生物特徵識別性能的影響。”
Busch 回顧了統一評分中的品質組成部分，以及如何根據臉部標誌的位置和其他可觀察到的特徵來衡量它們。事實證明，表達中立性相對複雜，但並非無法衡量。
9 月發布的研究表明，被評估為高品質的影像與變形攻擊檢測 (MAD) 的成功之間呈正相關。
未來的工作將重點放在人口變化和添加缺少的品質組件，例如運動模糊。
文章主題
||||||
