การวัดความมีชีวิตชีวาในชุดข้อมูลช่วยปกป้องการโจมตีในโลกแห่งความเป็นจริงที่ซับซ้อน: นักวิจัย

อันรายงานการวิจัยใหม่ประเมินแบบจำลองการตรวจจับ Livence สำหรับตัวอย่างไบโอเมตริกซ์โดยมุ่งเน้นไปที่ประสิทธิภาพในสถานการณ์ข้ามฐานข้อมูล ชื่อเรื่อง“ การตรวจจับข้ามฐานข้อมูล: ข้อมูลเชิงลึกจากการวิเคราะห์ไบโอเมตริกซ์เปรียบเทียบ” บทความนี้ถูกนำเสนอในเดือนพฤศจิกายน 2566 ใน LVIV ประเทศยูเครนโดยผู้เขียนจากมหาวิทยาลัย Kharkiv มหาวิทยาลัย Polytechnic Marche และ University of Macerata ในอิตาลี

การตรวจจับ Livence ในสถานการณ์ข้ามรูปแบบกระดาษกล่าวว่าเป็น“ กระบวนทัศน์การทดสอบที่โด่งดังสำหรับความซับซ้อนและความเกี่ยวข้องในโลกแห่งความเป็นจริง”

“ ในยุคที่ความปลอดภัยทางชีวภาพทำหน้าที่เป็นกุญแจสำคัญของความทันสมัยระบบตรวจสอบตัวตนเพื่อให้มั่นใจว่าความถูกต้องของตัวอย่างไบโอเมตริกซ์เหล่านี้เป็นสิ่งสำคัญยิ่ง” ผู้เขียนเชื่อว่าการตรวจจับความมีประสิทธิภาพที่มีประสิทธิภาพซึ่งสามารถแยกความแตกต่างระหว่างตัวอย่างไบโอเมตริกซ์ของแท้และการปลอมแปลงที่ซับซ้อนเป็นเครื่องมือสำคัญในการตอบสนองความท้าทายนี้

วิธีการของผู้เขียนใช้การดำน้ำลึกลงไปในตัวชี้วัดประสิทธิภาพการตรวจจับ Livence 'รวมถึงอัตราความผิดพลาดทั้งหมดครึ่งหนึ่ง (HTER) อัตราการยอมรับเท็จ (FAR) และอัตราการปฏิเสธเท็จ (FRR) แต่การทดสอบที่แท้จริงสำหรับการตรวจจับความมีชีวิตชีวากลไกพวกเขากล่าวว่าเป็นความแข็งแกร่งและปรับตัวได้ในสถานการณ์ที่หลากหลาย อาจมีช่องว่างที่กว้างระหว่างชุดข้อมูลที่การตรวจจับ Livence ได้รับการฝึกฝนและชุดที่มีการปรับใช้ สำหรับระบบไบโอเมตริกซ์เงินเดิมพันนั้นสูงเป็นพิเศษ: ระบบที่ผ่านการฝึกอบรมเฉพาะในฐานข้อมูลเดียวอาจทำงานได้อย่างไร้ที่ติในข้อมูลนั้น ๆ

วิธีแก้ปัญหากล่าวว่าผู้เขียนเป็นกระบวนทัศน์การทดสอบข้ามห้างสรรพสินค้า

ชุดข้อมูลบัญชีสำหรับกลยุทธ์และเงื่อนไขที่หลากหลาย

การวิจัยใช้ชุดข้อมูลที่แตกต่างกันห้าชุดสำหรับการประเมินการตรวจจับการโจมตีแบบนำเสนอใบหน้า (PAD) ชุดข้อมูลการโจมตีด้วยหน้ากากซิลิโคนแบบกำหนดเอง (CSMAD) ซึ่งรวบรวมโดยสถาบันวิจัย Idiapประกอบด้วยข้อมูลไบโอเมตริกซ์ใบหน้าจาก 14 วิชารวมถึงการนำเสนอโดยสุจริตและการโจมตีด้วยหน้ากากซิลิโคนแบบกำหนดเอง ฐานข้อมูลการโจมตีด้วยหน้ากาก 3D (3DMAD) มี 76,500 เฟรมของ 17 คนบันทึกโดยใช้ไฟล์Microsoftเซ็นเซอร์ Kinect สำหรับความลึกทั้งในการเข้าถึงของแท้และการโจมตีด้วยหน้ากาก 3D รวมถึงหน้ากากขนาดจริงที่ได้รับผ่านThatsmyface.com- IDLAP ยังจัดทำฐานข้อมูลการปลอมแปลงหน้าแบบสปอร์ตแบบสปอร์ต (MSSPOOF) ของภาพสเปกตรัม VIS และอินฟราเรดใกล้ (NIR) จาก 21 วิชาและฐานข้อมูลการโจมตีซ้ำซ้ำฐานข้อมูลวิดีโอใบหน้า 2D ของ 1,300 การเข้าถึงจริงและการโจมตีวิดีโอคลิปจาก 50 คน

ในที่สุดผู้เขียนใช้ชุดข้อมูลของตัวเองมากกว่า 4,600 ภาพใบหน้า 2D และวิดีโอที่ถ่ายด้วยสมาร์ทโฟนหรือดาวน์โหลดจากอินเทอร์เน็ตส่วนใหญ่เป็น YouTube

ผลลัพธ์ขีดเส้นใต้ความจำเป็นของการทดสอบข้ามรูปแบบ

จากชุดข้อมูลที่ใช้แล้ว 3DMAD ให้ผลลัพธ์ที่ดีที่สุดในการทดสอบเบื้องต้นซึ่งแสดงให้เห็นถึง“ ประสิทธิภาพที่ไร้ที่ติในการวัดทั้งหมด” ชุดข้อมูล CSMAD ในขณะเดียวกัน“ ก่อให้เกิดความท้าทายที่สำคัญ”

“ การเปลี่ยนแปลงของประสิทธิภาพข้ามชุดข้อมูลตอกย้ำความสำคัญของการเป็นตัวแทนข้อมูลที่หลากหลายในการฝึกอบรมแบบจำลองการตรวจจับความมีชีวิตชีวาที่แข็งแกร่ง” มันกล่าว“ ในขณะที่ชุดข้อมูลบางอย่างเช่น 3DMAD แสดงผลลัพธ์ที่สมบูรณ์แบบใกล้เคียงกันคนอื่น ๆ เช่น CSMAD เปิดเผยช่องโหว่ที่อาจเกิดขึ้น การค้นพบของเราเน้นความสำคัญของการประเมินที่ครอบคลุมและความจำเป็นของการทดสอบข้ามดาเบส”

เมื่อพูดถึงการทดสอบข้ามดาบาเซส“ หลายรุ่นที่แสดงประสิทธิภาพสูงในชุดข้อมูลดั้งเดิมของพวกเขาพบกับความท้าทายที่สำคัญเมื่ออยู่ภายใต้ข้อมูลจากแหล่งภายนอก” สิ่งนี้กล่าวว่าผู้เขียนเป็นธงสีแดงแสดงให้เห็นว่าแบบจำลอง“ หากปรับหรือลำเอียงมากเกินไปต่อลักษณะชุดข้อมูลเฉพาะอาจล้มเหลวในการรักษาความเท่าเทียมกันของประสิทธิภาพในการเปลี่ยนแปลงทางชีวภาพที่กว้างขึ้น”

จุดเริ่มต้นของการโต้แย้งของกระดาษคือการทดสอบข้ามฐานข้อมูลนอกเหนือจากวิธีการประเมินแบบทั่วไปเป็นสิ่งจำเป็นเพื่อให้แน่ใจว่าการตรวจจับ Liveny ที่มีประสิทธิภาพและปรับตัวได้ “ ด้วยการเปิดเผยแบบจำลองไปยังชุดข้อมูลไบโอเมตริกซ์อาร์เรย์เราได้ค้นพบข้อมูลเชิงลึกที่ขาดไม่ได้เกี่ยวกับความแข็งแกร่งและความกล้าหาญทั่วไปที่แท้จริงของพวกเขาแจ้งระบบตรวจสอบไบโอเมตริกซ์ที่เชื่อถือได้และปลอดภัยยิ่งขึ้นสำหรับอนาคต” กล่าว “ ในขณะที่โมเดลของเราแสดงให้เห็นถึงประสิทธิภาพที่น่ายกย่องในบางสถานการณ์ความไม่สอดคล้องกันที่สังเกตได้ในการทดสอบข้ามฐานข้อมูลส่องสว่างเส้นทางสำหรับการวิจัยในอนาคตเทคนิคการปลอมแปลงวิวัฒนาการดังนั้นกลไกการป้องกันของเราจะต้องทำให้นี่เป็นสาขาการศึกษาแบบไดนามิกตลอดเวลา”