다양한 얼굴 위조 공격 탐지를 위한 딥러닝 네트워크의 설계 및 구현
Design and Implementation of Deep Learning Network to Detect Various Face Spoofing Attacks
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
과학기술과 전자 및 컴퓨터공학의 발달에 힘입어, 생체 정보를 이용한 개인 식별 기술이 많은 관심과 함께 발전을 거듭하고 있다. 생체 인식에서 가장 많이 활용되고 있는 얼굴 인식 분야에서 다양한 위조 방법이 나타나게 되었는데, 이러한 위조방법 및 기존의 위조방지 기술들을 면밀히분석하여, 얼굴 데이터의 위조 여부를 효율적으로 판독하는 알고리즘을 제안하였다. 진본의 획득 방식 및 얼굴 위조 공격의 방식 등을 일일이 구분하지 않고 진본(genuine)과 위조(spoofed)로만 분류하는 독창적인 딥러닝 네트워크 및 알고리즘을 설계하였고, 특정한 위조 방식에 구애받지 않고 위조여부를 판단할 수 있었다. 구현 및 실험 결과 약 91%의 정확도를 가지며, 기존의 연구들에 비해 최대 약 21%의 성능 개선을 이룰 수 있었다.
Abstract
Due to the development of science and technology, and the growth of electronic and computer engineering, personal identification technology using biometric information is developing with great interest. In face recognition, which is the most famous and concerned field in biometrics, various forgery and spoofing methods have emerged. By carefully analyzing those spoofing methods and existing anti-spoofing technologies, a novel algorithm is proposed that efficiently discriminates between a genuine face and a spoofed one. A unique deep learning network and algorithm is designed that classifies genuine and spoofed without regarding the details of acquiring the genuine or spoofed image. As a result of implementing and testing the proposed algorithm, the accuracy of about 91% is obtained and up to 21% of performance improvement is achieved compared to existing technologies.
참고문헌 (17)
- "Global biometric system market trends Mar 2022" (2022)[URL]
- 생체인식, NICE 디엔비 혁신성장품목보고서, "최윤희", 1~22 (2021)
- A Jourabloo, "Face despoofing : anti-spoofing via noise modeling", Computer Vision-ECCV 2018, pp.297~315 (2018)
- D Anandpara, "A joint forensic system to detect image forgery using copy move forgery detection and double JPEG compression approaches", Int J Sci Res, 3(5), pp.1404~1408 (2012)
- 김한수, "영상 주파수 분포의 불균일성을 이용한 증거 영상의조작여부 상호검증 기법", 과학수사학회지, 12(3), pp.167~173 (2018), 한국과학수사학회[DOI]
- Z Wang, "Deep Spatial Gradient and Temporal Depth Learning for Face Anti-Spoofing", IEEE, 2020, 5041~5050
- TF Pereira, "LBP-TOP based countermeasure against face spoofing attacks", Computer Vision-ACCV, 2012, pp.121~132 (2012)
- J Komulainen, "Context based face anti-spoofing", IEEE International Conference on Biometrics: Theory, Applications and Systems (BTAS), pp.1~8 (2013)
- L Li, "An original face anti-spoofing approach using partial convolutional neural network", Conference on Image Processing Theory, Tools and Applications (IPTA), pp.1~6 (2016)
- G Pan, "Eyeblinkbased anti-spoofing in face recognition from a generic webcamera", IEEE International Conference on Computer Vision (ICCV), pp.1~8 (2007)
- K Patel, "Cross-database face antispoofing with robust feature representation", Biometric Recognition-CCBR, 2016, pp.611~619 (2016)
- E, "Digital Image Processing 4", pp.2018, RC Gonzalez
- 오일석, "파이썬으로 만드는 인공지능" (2021), 한빛아카데미
- 김한수, "표면 분석에 적합한 합성곱 신경망을 이용한 피부 상태 검사 방법", 차세대융합기술학회논문지, 6(9), pp.1526~1531 (2022), 국제차세대융합기술학회[DOI]
- "한국지능정보사회지능원 (NIA)"[URL]
- "안면인식 영상"[URL]
- H Zunair, "Melanoma detection using adversarial training and deep transfer learning", Physics in Medicine and Biology, 65(13), pp.1~11 (2020)