一个新研究论文评估生物识别样本的可耐度检测模型，重点是跨数据库方案的性能。题为“比较生物识别分析的跨数据库livesice检测：见解”，该论文于2023年11月在乌克兰的利维夫发表，由哈尔基夫大学，马尔凯理工大学和意大利的Macerata大学的作者发表。
该论文说，在跨数据库情景中检测到“以其复杂性和现实世界相关性臭名昭著的测试范式”。
“在一个生物识别安全的时代，是现代的基石身份验证系统，确保这些生物识别样本的真实性至关重要。
作者的方法深入研究了各种LIVICEST模型的性能指标，包括一半的总错误率（HTE），错误的接受率（FAR）和错误拒绝率（FRR）。但是真正的测试LIVISINE检测他们说，机制是它们在各种情况下的强大和适应性。数据集之间可能存在很大的差距，即对LIVISE检测进行了训练和部署其部署的检测。对于生物识别系统，赌注特别高：一个在一个数据库上训练的系统可能会在该特定数据上完美地执行，但是当遇到不同的欺骗技术或人口统计学分布时，它会发挥作用。
作者说，该解决方案是一个跨数据库测试范式。
数据集说明各种策略和条件
该研究使用五个不同的数据集评估面部表现攻击检测（PAD）。自定义有机硅面膜攻击数据集（CSMAD），由IDIAP研究所，包括来自14个受试者的面部生物识别数据，包括真正的表现和自定义有机硅面膜攻击。 3D掩码攻击数据库（3DMAD）包含76,500帧，有17个人，使用微软Kinect传感器的真实访问和3D面具欺骗攻击的深度，包括通过那就是myface.com。 IDLAP还提供了VIS和近红外（NIR）频谱图像的多光谱欺骗数据库（MSSPOOF）以及来自21个受试者的Replay-Ittack Database，这是一个2D面部视频数据库，该数据库是1,300个在各种照明条件下的1,300个真实访问和攻击次数的真实访问和攻击。
最后，作者使用了自己的数据集，其中包括4,600多个2D面部图像和用智能手机拍摄或从互联网下载的视频，主要是YouTube。
结果强调了跨数据库测试的必要性
在使用的数据集中，3DMAD在初始测试中取得了最好的结果，证明了“所有指标的无可挑剔的性能”。同时，CSMAD数据集提出了重大挑战。”
“跨性能的变化数据集它强调了训练鲁棒检测模型中各种数据表示的关键性。虽然有些数据集（例如3DMAD）显示出几乎完美的结果，但其他类似CSMAD之类的数据集则揭示了潜在的脆弱性。我们的发现强调了全面评估的重要性以及跨数据库测试的必要性。”
当涉及跨数据库测试时，“在其本机数据集上表现出高疗效的几种模型在受到外部来源数据的影响时遇到了重大挑战。”作者说，这是一个危险信号，显示“如果对特定数据集特征过度调整或偏见，则可能无法在更广泛的生物识别变化中保持性能奇偶性。”
本文论点的关键是，必须使用传统评估方法以外的跨数据库测试来确保可靠和适应能力的检测。它说：“通过将模型暴露于一系列的生物识别数据集中，我们可以发现必不可少的见解对它们的真正鲁棒性和概括能力，从而为未来提供了更可靠，更安全的生物识别验证系统。” “尽管我们的模型在某些情况下表现出了值得称赞的表现，但跨数据库测试中观察到的不一致阐明了未来研究的道路。持续进行完善livess的旅程正在进行中，充满了挑战，但充满了机会。欺骗技术的发展，我们的防御机制也必须使它成为一个永久动态的研究领域。”
