针对生物识别系统的面部变形欺骗攻击对于边界系统来说检测起来尤其具有挑战性，随着变形攻击检测系统的开发，出现了如何测试此类系统以及它们如何受到所用图像质量影响的问题。在回答这两个问题方面已经取得了进展。
iMARS（图像操纵攻击解决方案）项目在布鲁塞尔和线上举办了一场活动，探讨主题“打击身份欺诈：图像篡改检测新工具”。今年早些时候的 iMARS 研讨会分享了一些进展，但也有一个发人深省的消息：。
周四下午的活动中，博洛尼亚大学的 Christophe Busch 和 Matteo Ferrara 发表了两场演讲。
博洛尼亚大学的研究人员开发了 MAD 系统的评估平台(BOEP)，今年早些时候在 EAB 午餐谈话中提出。 Ferrara 介绍了 BOEP 对 iMARS 评估的基准。这些系统分为单图像变形攻击检测（SMAD）和差分变形攻击检测（DMAD）。
截至目前，iMARS 六家合作伙伴共提交了 34 种 SMAD 算法。 Ferrara 表示，iMARS 项目设定的 BPCER 低于 8% 的目标已在所有 SMAD 基准测试中实现，变形攻击分类错误率 (MACER) 等于或低于 10%。
对于 DMAD，4 个 iMARS 合作伙伴提交了 10 种算法。在这种情况下，关键性能指标是 BPCER 为 6% 或更低，而 MACER 则低于 10%，并且在所有基准测试中同样得到满足。
Ferrara 还回顾了 NIST 的 FATE MORPH 和 BOEP 之间的差异。
质量评估依赖于高质量图像
Busch 讨论了能够评估生物识别样本质量对 iMars 项目的重要性。
大规模的数据库和多样化的应用场景增加了考虑图像质量的重要性。这有助于避免误报，但对于互操作性也至关重要。考虑到该计划的贡献者众多，这一点尤其重要。布希指出，他们拥有“许多不同的捕获地点，采用不同的技术，接受不同程度的培训”。
人脸图像质量评估 (FIQA) 开发背后的激励概念是关于什么是好的、什么是不好的标准化概念。这些算法有助于预测预期的识别性能，并协助检测变形图像。
EES 系统是根据 ISO/IEC 19794-5 建立的，因此提供了一些要求，并且，OFIQ（开源人脸图像质量）是其参考实现，为它们提供了测量结果。它们必须应用于预先注册的参考图像、实时注册的参考图像（例如 EES 信息亭）以及探测图像（例如来自生物识别自动边境控制门的图像）。
ISO/IEC 29794-1 规定的统一质量评分 (UQS) 提供总体评估，缺陷测量提供可解释性。 OFIQ 软件提供 28 种质量衡量标准，从统一质量评分开始，涵盖捕获设备和受试者变量。
人们提出了许多算法，iMARS 项目确定了评估这些提案的三个标准：准确性、低计算复杂性和许可证的自由度。
OFIQ-UQS 高于某个阈值（大约 70）的图像对于存储和使用来说足够有用。
Busch 解释说，该指标的成功体现在丢弃低质量图像时匹配性能的提高，这为 iMARS 项目的核心问题之一提供了答案； “我们如何衡量人脸图像质量对生物特征识别性能的影响。”
Busch 回顾了统一评分中的质量组成部分，以及如何根据面部标志的位置和其他可观察到的特征来衡量它们。事实证明，表达中立性相对复杂，但并非无法衡量。
9 月发布的研究表明，被评估为高质量的图像与变形攻击检测 (MAD) 的成功之间呈正相关。
未来的工作将侧重于人口统计变化并添加缺失的质量组件，例如运动模糊。
文章主题
|||||||||
