Derin öğrenme ile yüz sunum saldırı tespiti

Günümüzde teknolojinin gelişmesiyle beraber yapay zeka algoritmaları birçok alanda kullanılmaya başlanmıştır. Medikal, hava durumu tahminleri, dijital asistanlar, otonom araçlar ve güvenlik sistemleri gibi birçok alanda kullandığımız yapay zeka algoritmaları gün geçtikçe daha çok yaygınlaşmakta ve farklı alanlara yayılmaktadır. Bu çalışmanın da konusu olan biyometrik tanıma sistemleri; bankacılık, sağlık, havaalanları ve sınır denetimi, mobil telefonlar gibi birçok alanda aktif olarak kullanılmaktadır. Bu çalışmada yüz sunum saldırı tespiti alanında derin öğrenme algoritmalarının etkinliği araştırılmaktadır. Yüz tanıma sistemlerinin güvenliğini tehtit eden saldırganlar bu sistemleri sahte yüzler kullanarak (örneğin fotoğraf, video veya maskeler) aşmaya çalışmaktadır. Yapılan çalışmada derin öğrenme tabanlı yöntemlerin bu türdeki saldırıları tespit etmedeki başarısını incelemektir. Çalışmada iki farklı evrişimli sinir ağı modeli kullanılmış ve bu modellere farklı metotlar eklenerek evrişimli sinir ağı modellerinin problem çözme performansları kıyaslanmıştır. Modeller OULU-NPU veri seti üzerinde eğitilmiş ve veriseti üzerinde farklı veri arttırma yöntemleri kullanılarak elde edilen sonuçlar tartışılmıştır. Tezde kullanılan derin öğrenme modelleri, veriseti ve metodolojiler ayrıntılı olarak açıklanmış, model eğitimi ve test süreçleri kapsamlı olarak ele alınmıştır. Performans değerlendirmesi için Toplam Hata Oranının Yarısı (ing. HTER), Saldırı Sunumu Sınıflandırma Hata Oranı (ing. APCER) ve Gerçek Sunum Sınıflandırma Hata Oranı (ing. BPCER) metrikleri ışığında elde edilen sonuçlar tartışılmıştır. Elde edilen bulgular ele alınan modellerin yüz sunum saldırılarını tespit etmede başarılı olduğunu göstermiştir. Sonuç olarak bu tez derin öğrenme tekniklerinin yüz sunum saldırı tespiti için güçlü bir araç olduğunu ve biyometrik güvenlik sistemlerinin güvenilirliğini artırmada önemli bir rol oynayabileceğini ortaya koymaktadır.