Yüz tanıma sistemleri için güçlü, aktif tabanlı yüz sahtekarlığı algılama

Yüz tanıma sistemlerinin çeşitli gerçek yaşam durumlarında ve uygulamalarında artan oranda konuşlandırılmasıyla birlikte, ortaya çıkan çeşitli sahtekarlık yaklaşımları ile saldırganların çabaları da artıyor. Bu nedenle, sağlam bir sahtecilik algılama tekniğinin geliştirilmesi çok önemlidir. Aktif tabanlı teknikler, sahtekarlık tespiti görevinde sağlam olduklarını kanıtlamış olsalar da, müdahalecilik, yüksek maliyet, hesaplama karmaşıklığı, düşük genelleme yeteneği ve çoğu ekstra donanım gerektiren sorunlarla karşı karşıyadırlar. Bu çalışma, diğer aktif tabanlı yaklaşımlardan daha az müdahaleci, daha az pahalı, düşük karmaşıklık, daha yüksek genelleme kabiliyetine sahip, çeşitli ortam biçimlerini veya 2B saldırıları tespit edebilen aktif tabanlı sağlam bir sahtekarlık algılama tekniği önerdi. Ekstra donanım gerektirmez ve bu nedenle mevcut sistemlere kolayca uyum sağlar. Sahtekarlık tespiti, kameradan farklı mesafelerde yakalanan kullanıcının yüzünün Video karelerindeki bozulma değişiklikleri analiz edilerek elde edilir. Gerçek dünyadaki yüz fotoğrafı ve video verileri de toplandı ve hem meşru hem de sahte saldırı veri setini oluşturmak için kullanıldı. Hem makine öğrenimi sınıflandırıcılarını hem de derin öğrenme modelini kullanan önerilen yaklaşım, sırasıyla 0,23 ve 0,021 kadar düşük EER ve HTER ile %98,18'e kadar yüksek bir doğrulukla yanıltıcı algılama elde etti.