การโจมตีการปลอมแปลงใบหน้าต่อระบบไบโอเมตริกซ์ถือเป็นความท้าทายอย่างยิ่งสำหรับระบบชายแดนในการตรวจจับ และในขณะที่ระบบตรวจจับการโจมตีแบบมอร์ฟฟิงได้รับการพัฒนา ก็เกิดคำถามขึ้นเกี่ยวกับวิธีการทดสอบระบบดังกล่าว และวิธีที่ระบบดังกล่าวได้รับผลกระทบจากคุณภาพของภาพที่ใช้ มีความคืบหน้าในการตอบคำถามทั้งสองข้อ
โครงการ iMARS (โซลูชันการแก้ไขการโจมตีด้วยการจัดการรูปภาพ) จัดงานในกรุงบรัสเซลส์และทางออนไลน์เพื่อสำรวจธีม “การต่อสู้กับการฉ้อโกง ID: เครื่องมือใหม่สำหรับการตรวจจับการจัดการรูปภาพ- เวิร์กชอปของ iMARS เมื่อต้นปีนี้มีการแบ่งปันความคืบหน้าบางประการ แต่ก็มีข่าวที่น่ากังวลเช่นกัน-
การนำเสนอช่วงบ่ายสองรายการในวันพฤหัสบดีจัดทำโดย Christophe Busch และ Matteo Ferrara จากมหาวิทยาลัย Bologna
นักวิจัยจากมหาวิทยาลัย Bologna ได้พัฒนาแพลตฟอร์มการประเมินผลสำหรับระบบ MAD(BOEP) นำเสนอเมื่อต้นปีนี้ในการพูดคุยเรื่อง EAB Lunch Talk เฟอร์รารานำเสนอเกณฑ์มาตรฐานที่ประเมินโดย BOEP สำหรับ iMARS ระบบเหล่านี้แบ่งออกเป็นการตรวจจับการโจมตีด้วย Morph แบบภาพเดียว (SMAD) และการตรวจจับการโจมตีด้วย Morph ที่แตกต่างกัน (DMAD)
จนถึงขณะนี้ พันธมิตร iMARS หกรายได้ส่งอัลกอริธึม SMAD รวมทั้งหมด 34 รายการแล้ว เฟอร์รารากล่าวว่าเป้าหมาย BPCER ที่ต่ำกว่า 8 เปอร์เซ็นต์ที่กำหนดโดยโครงการ iMARS นั้นบรรลุผลสำเร็จในการวัดประสิทธิภาพ SMAD ทั้งหมด โดยมีอัตราความผิดพลาดในการจำแนกประเภทการโจมตี morph (MACER) อยู่ที่หรือต่ำกว่า 10 เปอร์เซ็นต์
สำหรับ DMAD พันธมิตร iMARS 4 รายส่งอัลกอริทึม 10 รายการ ตัวบ่งชี้ประสิทธิภาพหลักในกรณีนี้คือ BPCER 6 เปอร์เซ็นต์หรือต่ำกว่าที่ MACER ต่ำกว่า 10 เปอร์เซ็นต์ และพบในเกณฑ์มาตรฐานทั้งหมดเช่นเดียวกัน
เฟอร์รารายังได้ตรวจสอบความแตกต่างระหว่าง FATE MORPH และ BOEP ของ NIST
การประเมินคุณภาพขึ้นอยู่กับภาพที่มีคุณภาพ
Busch กล่าวถึงความสำคัญของความสามารถในการประเมินคุณภาพตัวอย่างไบโอเมตริกซ์สำหรับโครงการ iMars
ฐานข้อมูลขนาดใหญ่และสถานการณ์การใช้งานที่หลากหลายเพิ่มความสำคัญของการพิจารณาคุณภาพของภาพ สิ่งนี้ช่วยหลีกเลี่ยงผลบวกลวง แต่ยังจำเป็นสำหรับการทำงานร่วมกันอีกด้วย นี่เป็นสิ่งสำคัญอย่างยิ่งเนื่องจากมีผู้มีส่วนร่วมในโครงการจำนวนมาก พวกเขามี "สถานที่จับภาพที่แตกต่างกันหลายแห่งซึ่งมีเทคโนโลยีที่แตกต่างกัน และมีระดับการฝึกอบรมที่แตกต่างกัน" Busch ชี้ให้เห็น
แนวคิดที่เป็นมาตรฐานว่าอะไรดีและสิ่งที่ไม่ใช่คือแนวคิดที่สร้างแรงบันดาลใจเบื้องหลังการพัฒนาการประเมินคุณภาพรูปภาพใบหน้า (FIQA) อัลกอริธึมเหล่านี้ช่วยในการคาดการณ์ประสิทธิภาพการจดจำที่สามารถคาดหวังได้ พร้อมทั้งช่วยในการตรวจจับภาพที่ปรับเปลี่ยน
ระบบ EES ได้รับการตั้งค่าโดยคำนึงถึง ISO/IEC 19794-5 ดังนั้นจึงมีข้อกำหนดบางประการ และซึ่ง OFIQ (คุณภาพของภาพใบหน้าแบบโอเพ่นซอร์ส) เป็นการใช้งานอ้างอิง จะให้การวัดสำหรับสิ่งเหล่านั้น ต้องนำไปใช้กับรูปภาพอ้างอิงที่ลงทะเบียนล่วงหน้า รูปภาพอ้างอิงที่ลงทะเบียนสด เช่น ที่ตู้ EES และรูปภาพโพรบ เช่น จากประตูควบคุมชายแดนอัตโนมัติแบบไบโอเมตริก
คะแนนคุณภาพแบบรวม (UQS) ที่ระบุโดย ISO/IEC 29794-1 จะให้การประเมินโดยรวม และการวัดข้อบกพร่องให้คำอธิบายได้ ซอฟต์แวร์ OFIQ มีการวัดคุณภาพ 28 แบบ โดยเริ่มจากคะแนนคุณภาพแบบรวม ครอบคลุมอุปกรณ์จับภาพและตัวแปรหัวเรื่อง
มีการเสนออัลกอริทึมจำนวนมาก และโครงการ iMARS ได้กำหนดเกณฑ์สามประการในการประเมินข้อเสนอ ได้แก่ ความแม่นยำ ความซับซ้อนในการคำนวณต่ำ และความเสรีของใบอนุญาต
รูปภาพที่มี OFIQ-UQS สูงกว่าเกณฑ์ที่กำหนด (ประมาณ 70 ภาพ) จะมีประโยชน์เพียงพอที่จะจัดเก็บและใช้งาน
ความสำเร็จของการวัดแสดงให้เห็นในการปรับปรุงประสิทธิภาพที่พบในประสิทธิภาพการจับคู่เนื่องจากรูปภาพคุณภาพต่ำถูกทิ้งไป Busch อธิบาย โดยให้คำตอบสำหรับคำถามหลักข้อหนึ่งของโครงการ iMARS “เราจะวัดผลกระทบของคุณภาพของภาพใบหน้าต่อประสิทธิภาพการจดจำไบโอเมตริกซ์ได้อย่างไร”
Busch ได้ตรวจสอบองค์ประกอบด้านคุณภาพที่รวมอยู่ในคะแนนรวม และวิธีการวัดโดยพิจารณาจากตำแหน่งของจุดสังเกตบนใบหน้าและคุณลักษณะอื่นๆ ที่สังเกตได้ ความเป็นกลางของการแสดงออกได้รับการพิสูจน์แล้วว่าค่อนข้างซับซ้อน แต่ก็ไม่สามารถวัดผลได้
งานวิจัยที่ตีพิมพ์ในเดือนกันยายนแสดงให้เห็นว่าความสัมพันธ์เชิงบวกระหว่างภาพที่ประเมินว่ามีคุณภาพสูงและความสำเร็จในการตรวจจับการโจมตีแบบปรับเปลี่ยนรูปแบบ (MAD)
งานในอนาคตจะมุ่งเน้นไปที่ความแปรปรวนทางประชากรศาสตร์ และเพิ่มองค์ประกอบด้านคุณภาพที่ขาดหายไป เช่น ภาพเบลอจากการเคลื่อนไหว
หัวข้อบทความ
------
