फेस एंटी-स्पूफिंग या तकनीकी रूप से चेहरे से हजार में से एक चीटर को पहचानते हैं

किसी व्यक्ति की बायोमेट्रिक पहचान लोगों को पहचानने के लिए सबसे पुराने विचारों में से एक है, जिसे उन्होंने आम तौर पर तकनीकी रूप से लागू करने की कोशिश की थी। पासवर्ड चुराया जा सकता है, जासूसी की जा सकती है, भूल की जा सकती है, चाबियां फेक की जा सकती हैं। लेकिन व्यक्ति की खुद की अनूठी विशेषताओं को नकली और खोना बहुत मुश्किल है। यह उंगलियों के निशान, आवाज, रेटिना के जहाजों के ड्राइंग, चाल, और बहुत कुछ हो सकता है।

बेशक, बॉयोमीट्रिक्स सिस्टम मूर्ख बनाने की कोशिश कर रहे हैं! आज हम यही बात करेंगे। कैसे हमलावर किसी अन्य व्यक्ति को लगाकर चेहरे की पहचान प्रणाली को दरकिनार करने की कोशिश करते हैं और यह कैसे पता लगाया जा सकता है।

आप यहां इस कहानी का एक वीडियो संस्करण देख सकते हैं , और जो लोग देखने के लिए पढ़ना पसंद करते हैं, मैं आपको जारी रखने के लिए आमंत्रित करता हूं

हॉलीवुड के निर्देशकों और विज्ञान कथा लेखकों के विचारों के अनुसार, बायोमेट्रिक पहचान को धोखा देना काफी आसान है। केवल सिस्टम के लिए वास्तविक उपयोगकर्ता के "आवश्यक भागों" को प्रस्तुत करना आवश्यक है, या तो व्यक्तिगत रूप से या उसे बंधक के रूप में लेकर। या आप अपने आप पर किसी अन्य व्यक्ति का "मास्क लगा सकते हैं", उदाहरण के लिए, शारीरिक प्रत्यारोपण मास्क का उपयोग करना या सामान्य रूप से, झूठे दर्दनाक संकेत प्रस्तुत करना

वास्तविक जीवन में, हमलावर खुद को किसी और के रूप में पेश करने की कोशिश करते हैं। उदाहरण के लिए, काले आदमी का मुखौटा पहनकर बैंक को लूटें, जैसा कि नीचे दी गई तस्वीर में है।

चेहरा पहचान मोबाइल क्षेत्र में उपयोग के लिए एक बहुत ही आशाजनक क्षेत्र की तरह दिखता है। यदि हर कोई लंबे समय से उंगलियों के निशान का उपयोग करने का आदी हो गया है, और आवाज प्रौद्योगिकी धीरे-धीरे और काफी अनुमानित रूप से विकसित हो रही है, तो चेहरे की पहचान करने से स्थिति असामान्य हो गई है और मुद्दे के इतिहास में थोड़ा विषयांतर होने के योग्य है।

यह सब कैसे शुरू हुआ या कल्पना से लेकर वास्तविकता तक

आज की मान्यता प्रणाली जबरदस्त सटीकता प्रदर्शित करती है। बड़े डेटा सेट और जटिल आर्किटेक्चर के आगमन के साथ, 0.000001 (प्रति मिलियन एक त्रुटि!) तक चेहरा पहचान सटीकता प्राप्त करना संभव हो गया और वे अब मोबाइल प्लेटफ़ॉर्म पर स्थानांतरण के लिए उपयुक्त हैं। अड़चन उनकी भेद्यता थी।

हमारी तकनीकी वास्तविकता में किसी अन्य व्यक्ति को लागू करने के लिए, और फिल्म में नहीं, मास्क का सबसे अधिक उपयोग किया जाता है। वे अपने चेहरे के बजाय किसी और को पेश करके कंप्यूटर सिस्टम को बेवकूफ बनाने की कोशिश करते हैं। मास्क पूरी तरह से अलग गुणवत्ता का हो सकता है, चेहरे के सामने मुद्रित किसी अन्य व्यक्ति की फोटो से जो प्रिंटर पर मुद्रित होता है, हीटिंग के साथ बहुत जटिल तीन आयामी मास्क होता है। मास्क को शीट या स्क्रीन के रूप में अलग से प्रस्तुत किया जा सकता है, या सिर पर पहना जा सकता है।

अवरक्त विकिरण का उपयोग करके एक जीवित चेहरे की गर्मी का अनुकरण करने वाली आंखों के चारों ओर विशेष आवेषण के साथ पत्थर के पाउडर के बजाय जटिल मुखौटा के साथ iPhone X पर फेस आईडी सिस्टम को धोखा देने के सफल प्रयास द्वारा विषय पर बहुत ध्यान आकर्षित किया गया था।

यह आरोप लगाया जाता है कि इस तरह के मास्क का उपयोग करने पर iPhone X पर फेस आईडी को धोखा देना संभव था। वीडियो और कुछ पाठ यहां देखे जा सकते हैं

किसी उपयोगकर्ता को चेहरे से प्रमाणित करने के लिए बैंकिंग या राज्य प्रणालियों के लिए इस तरह की कमजोरियों की उपस्थिति बहुत खतरनाक है, जहां एक हमलावर की पैठ महत्वपूर्ण नुकसान पहुंचाती है।

शब्दावली

एंटी-स्पूफिंग के अनुसंधान का क्षेत्र काफी नया है और अभी भी प्रचलित शब्दावली का दावा नहीं कर सकता है।

आइए हम पहचान प्रणाली को धोखा देने के प्रयास को फर्जी बायोमेट्रिक पैरामीटर (इस मामले में, एक व्यक्ति) स्पूफिंग हमले के साथ प्रस्तुत करने के लिए सहमत हैं।

तदनुसार, इस तरह के धोखे का मुकाबला करने के लिए सुरक्षात्मक उपायों के एक सेट को एंटी-स्पूफिंग कहा जाएगा। इसे विभिन्न प्रकार की प्रौद्योगिकियों और एल्गोरिदम के रूप में लागू किया जा सकता है जो एक पहचान प्रणाली के वाहक में निर्मित होते हैं।

आईएसओ शब्दावली का थोड़ा विस्तारित सेट प्रस्तुत करता है, जैसे कि प्रस्तुति पर हमला - सिस्टम को गलत तरीके से उपयोगकर्ता को पहचानने का प्रयास करता है या उसे चित्र, रिकॉर्ड किए गए वीडियो, और इसी तरह प्रदर्शित करके पहचान से बचने की अनुमति देता है। सामान्य (बोना फाइड) - सिस्टम के सामान्य एल्गोरिदम से मेल खाती है, अर्थात, वह सब कुछ जो एक हमला नहीं है। प्रेजेंटेशन अटैक इंस्ट्रूमेंट का मतलब हमले का एक साधन है, उदाहरण के लिए, शरीर का एक कृत्रिम रूप से बनाया गया हिस्सा। और अंत में, प्रेजेंटेशन अटैक डिटेक्शन - ऐसे हमलों का पता लगाने का स्वचालित साधन। हालांकि, मानक स्वयं अभी भी विकास के अधीन हैं, इसलिए किसी भी स्थापित अवधारणाओं के बारे में बात करना असंभव है। रूसी में शब्दावली लगभग पूरी तरह से अनुपस्थित है।

काम की गुणवत्ता निर्धारित करने के लिए, सिस्टम अक्सर HTER मीट्रिक (कुल-कुल त्रुटि दर - आधा कुल त्रुटि) का उपयोग करते हैं, जिसकी गणना त्रुटिपूर्ण रूप से अनुमत पहचान के गुणांक (FAR - झूठी स्वीकृति दर) के रूप में की जाती है और त्रुटिपूर्ण पहचान (FRR - झूठी अस्वीकृति दर), विभाजित आधे में।
हर्ट = (एफएआर + एफआरआर) / 2

यह कहने योग्य है कि बायोमेट्रिक सिस्टम में, एफएआर को आमतौर पर सबसे बड़ा ध्यान दिया जाता है, ताकि किसी हमलावर को सिस्टम में प्रवेश करने से रोकने के लिए हर संभव प्रयास किया जा सके। और वे इसमें अच्छी प्रगति कर रहे हैं (लेख की शुरुआत से एक मिलियन याद है?) फ्लिप पक्ष FRR में अपरिहार्य वृद्धि है - घुसपैठियों के रूप में गलती से वर्गीकृत आम उपयोगकर्ताओं की संख्या। यदि यह राज्य, रक्षा और अन्य समान प्रणालियों के लिए बलिदान किया जा सकता है, तो मोबाइल प्रौद्योगिकियां जो अपने विशाल पैमाने, विभिन्न प्रकार के ग्राहक उपकरणों के साथ काम करती हैं, और, सामान्य रूप से, उपयोगकर्ता-परिप्रेक्ष्य उन्मुख हैं, किसी भी कारक के प्रति बहुत संवेदनशील हैं जो उपयोगकर्ताओं को सेवाओं से इनकार करने का कारण बन सकती हैं। यदि आप पहचान के दसवें लगातार इनकार के बाद दीवार के खिलाफ तोड़ दिए गए फोन की संख्या को कम करना चाहते हैं, तो आपको एफआरआर पर ध्यान देना चाहिए!

हमलों के प्रकार। धोखा प्रणाली

आइए अंत में पता करें कि हमलावर पहचान प्रणाली को कैसे धोखा देते हैं, साथ ही साथ इसका विरोध कैसे किया जा सकता है।

धोखा देने का सबसे लोकप्रिय साधन मुखौटे हैं। किसी अन्य व्यक्ति के मास्क पर डालने और पहचान प्रणाली के लिए अपना चेहरा पेश करने से अधिक स्पष्ट कुछ भी नहीं है (अक्सर इसे मास्क हमले के रूप में जाना जाता है)।

आप कागज के एक टुकड़े पर अपनी या किसी और की फोटो भी प्रिंट कर सकते हैं और इसे कैमरे में ला सकते हैं (आइए इस तरह के हमले को प्रिंटआउट हमला कहते हैं)।

थोड़ा अधिक जटिल रिप्ले हमला है, जब सिस्टम को किसी अन्य डिवाइस की स्क्रीन के साथ प्रस्तुत किया जाता है, जिस पर किसी अन्य व्यक्ति के साथ पहले से रिकॉर्ड किया गया वीडियो चलाया जाता है। निष्पादन की जटिलता को इस तरह के हमले की उच्च दक्षता से मुआवजा दिया जाता है, क्योंकि नियंत्रण प्रणाली अक्सर समय अनुक्रमों के विश्लेषण के आधार पर संकेतों का उपयोग करती है, उदाहरण के लिए, ट्रैकिंग ब्लिंक, सिर के सूक्ष्म-आंदोलनों, चेहरे के भावों की उपस्थिति, श्वास, और इसी तरह। यह सब आसानी से वीडियो पर पुन: प्रस्तुत किया जा सकता है।

दोनों प्रकार के हमलों में कई विशिष्ट विशेषताएं हैं जो उन्हें पता लगाने के लिए संभव बनाती हैं, और इस तरह एक टैबलेट स्क्रीन या कागज की एक शीट को एक वास्तविक व्यक्ति से अलग करती है।

हम उन विशेषताओं को संक्षेप में प्रस्तुत करते हैं जो हमें एक तालिका में इन दो प्रकार के हमलों की पहचान करने की अनुमति देती हैं:

हमले का पता लगाने के एल्गोरिदम। अच्छा पुराना क्लासिक

सबसे पुराने दृष्टिकोणों में से एक (2007, 2008) एक मुखौटा का उपयोग करके छवि का विश्लेषण करके मानव ब्लिंक का पता लगाने पर आधारित है। बिंदु कुछ प्रकार के बाइनरी क्लासिफायर का निर्माण करना है जो आपको फ़्रेम के अनुक्रम में खुली और बंद आंखों के साथ छवियों का चयन करने की अनुमति देता है। यह चेहरे के कुछ हिस्सों की पहचान (लैंडमार्क डिटेक्शन), या कुछ सरल तंत्रिका नेटवर्क के उपयोग से वीडियो स्ट्रीम का विश्लेषण हो सकता है। और आज यह विधि सबसे अधिक बार उपयोग की जाती है; उपयोगकर्ता को क्रियाओं के कुछ अनुक्रम करने के लिए प्रेरित किया जाता है: अपना सिर, पलक, मुस्कुराहट और बहुत कुछ करें। यदि अनुक्रम यादृच्छिक है, तो किसी हमलावर के लिए पहले से इसकी तैयारी करना आसान नहीं है। दुर्भाग्य से, एक ईमानदार उपयोगकर्ता के लिए, यह खोज हमेशा सर्म्यनीय नहीं है, और सगाई तेजी से गिरती है।

स्क्रीन पर प्रिंट या खेलते समय आप चित्र गुणवत्ता में गिरावट की विशेषताओं का उपयोग कर सकते हैं। सबसे अधिक संभावना है, यहां तक ​​कि कुछ स्थानीय पैटर्न, यहां तक ​​कि आंख से मायावी, छवि में पता लगाया जाएगा। यह किया जा सकता है, उदाहरण के लिए, फ्रेम ( पीडीएफ ) से चयन करने के बाद चेहरे के विभिन्न क्षेत्रों के लिए स्थानीय बाइनरी पैटर्न (एलबीपी, स्थानीय बाइनरी पैटर्न) की गिनती करके। वर्णित प्रणाली को छवि विश्लेषण के आधार पर चेहरे के एंटी-स्पूफिंग एल्गोरिदम की संपूर्ण दिशा का संस्थापक माना जा सकता है। संक्षेप में, एलबीपी की गणना करते समय, छवि में प्रत्येक पिक्सेल, उसके आठ पड़ोसियों को क्रमिक रूप से लिया जाता है और उनकी तीव्रता की तुलना की जाती है। यदि तीव्रता केंद्रीय पिक्सेल से अधिक है, तो एक को असाइन किया जाता है, यदि कम, शून्य। इस प्रकार, प्रत्येक पिक्सेल के लिए एक 8-बिट अनुक्रम प्राप्त किया जाता है। प्राप्त अनुक्रमों के आधार पर, प्रति पिक्सेल हिस्टोग्राम का निर्माण किया जाता है, जिसे एसवीएम क्लासिफायर के इनपुट को खिलाया जाता है।

स्थानीय बाइनरी पैटर्न, हिस्टोग्राम और एसवीएम। आप यहां कालातीत क्लासिक्स में शामिल हो सकते हैं

HTER दक्षता सूचक "15%" जितना है, और इसका मतलब है कि हमलावरों का एक महत्वपूर्ण हिस्सा बिना अधिक प्रयास के रक्षा पर काबू पा लेता है, हालांकि यह माना जाना चाहिए कि बहुत कुछ समाप्त हो गया है। एल्गोरिदम का आईडीआईएपी रिप्ले-अटैक डेटासेट पर परीक्षण किया गया था, जो 50 उत्तरदाताओं के 1200 लघु वीडियो और तीन प्रकार के हमलों - मुद्रित हमले, मोबाइल हमले, उच्च परिभाषा हमले से बना है।

छवि बनावट के विश्लेषण के लिए विचारों को जारी रखा गया है। 2015 में, बुकिनाफिट ने पारंपरिक आरजीबी के अलावा, चैनलों में छवि को वैकल्पिक रूप से विभाजित करने के लिए एक एल्गोरिथ्म विकसित किया , जिसके परिणामों के लिए स्थानीय बाइनरी पैटर्न की गणना फिर से की गई, जो कि पिछली पद्धति की तरह, एसवीएन क्लासिफायरियर के इनपुट को खिलाया गया था। CASIA और रिप्ले-अटैक डेटासेट पर गणना की गई सटीकता, उस समय 3% प्रभावशाली थी।

उसी समय, काम मौआ का पता लगाने पर दिखाई दिया। पटेल ने एक लेख प्रकाशित किया जहां उन्होंने दो स्कैन के ओवरलैप के कारण आवधिक पैटर्न के रूप में छवि कलाकृतियों की तलाश करने का सुझाव दिया। आईडीआईएपी, कासिया और आरएएफएस डेटासेट पर लगभग 6% दर्शाते हुए, दृष्टिकोण व्यावहारिक था। यह अलग-अलग डेटा सेट पर एल्गोरिदम के प्रदर्शन की तुलना करने का पहला प्रयास भी था।

ओवरले स्वीप के कारण छवि में आवधिक पैटर्न

तस्वीरों को पेश करने के प्रयासों का पता लगाने के लिए, तार्किक समाधान एक छवि का विश्लेषण करने की कोशिश नहीं करना था, लेकिन वीडियो स्ट्रीम से लिया गया उनका अनुक्रम। उदाहरण के लिए, अंजोस और सहकर्मियों ने फ्रेम के निकटवर्ती जोड़े में ऑप्टिकल स्ट्रीम से इनपुट में द्विआधारी क्लासिफायर को फीड करने और परिणामों के औसत को अलग करने का सुझाव दिया । दृष्टिकोण काफी प्रभावी निकला, अपने स्वयं के डेटा सेट पर 1.52% के एक HTER का प्रदर्शन किया।

ट्रैकिंग आंदोलनों के लिए एक दिलचस्प तरीका, जो पारंपरिक दृष्टिकोणों से कुछ हद तक अलग है। 2013 में सिद्धांत "दृढ़ नेटवर्क के इनपुट के लिए एक कच्ची छवि लागू करना और परिणाम प्राप्त करने के लिए ग्रिड परतों को समायोजित करना" गहरी सीखने के क्षेत्र में आधुनिक परियोजनाओं के लिए सामान्य रूप से नहीं था, भारदशा ने लगातार अधिक जटिल प्रारंभिक परिवर्तनों को लागू किया । विशेष रूप से, उन्होंने एमआईटी के वैज्ञानिकों के काम के लिए जाना जाने वाला यूलरियन वीडियो आवर्धन एल्गोरिदम का उपयोग किया, जिसका उपयोग पल्स के आधार पर त्वचा में रंग परिवर्तन का विश्लेषण करने के लिए सफलतापूर्वक किया गया था। मैंने HOOF (ऑप्टिकल फ्लो दिशाओं के हिस्टोग्राम) के साथ LBP को प्रतिस्थापित किया, सही ढंग से नोट किया कि चूंकि हम आंदोलनों को ट्रैक करना चाहते हैं, हमें उचित संकेतों की आवश्यकता है, न कि केवल बनावट विश्लेषण की। उस समय के सभी पारंपरिक एसवीएम को एक क्लासिफायर के रूप में इस्तेमाल किया गया था। एल्गोरिथ्म ने प्रिंट अटैक (0%) और रिप्ले अटैक (1.25%) डेटासेट पर बेहद प्रभावशाली परिणाम दिखाए।

चलो पहले से ही ग्रिड सीखें!

कुछ बिंदु से यह स्पष्ट हो गया कि गहरी शिक्षा के लिए संक्रमण परिपक्व हो गया था। कुख्यात "डीप लर्निंग रिवोल्यूशन" ने एंटी-स्पूफिंग का सामना किया।

"पहले निगल" को छवि के व्यक्तिगत वर्गों ("पैच") में गहराई के नक्शे का विश्लेषण करने की विधि माना जा सकता है। जाहिर है, जिस जगह पर छवि स्थित है, उस विमान को निर्धारित करने के लिए एक गहराई का नक्शा एक बहुत अच्छा संकेत है। यदि केवल इसलिए कि कागज़ की शीट पर छवि की परिभाषा से कोई "गहराई" नहीं है। 2017 में अताउम के काम में , छवि से कई अलग-अलग छोटे खंड निकाले गए थे; उनके लिए गहराई के नक्शे की गणना की गई थी, जो तब मुख्य छवि के गहराई नक्शे के साथ विलय कर दिया गया था। यह बताया गया कि दस बेतरतीब चेहरे की छवि के पैच प्रिंटेड अटैक की मज़बूती से पहचान करने के लिए पर्याप्त हैं। इसके अलावा, लेखकों ने दो दृढ़ तंत्रिका नेटवर्क के परिणामों को एक साथ डाला, जिनमें से पहला पैच के लिए गहराई के नक्शे की गणना की, और एक पूरे के रूप में छवि के लिए दूसरा। जब डेटा सेट पर प्रशिक्षण दिया जाता है, तो प्रिंटेड अटैक क्लास शून्य के गहन मानचित्र के साथ जुड़ा हुआ था, और बेतरतीब ढंग से चयनित वर्गों की एक श्रृंखला तीन आयामी चेहरे के मॉडल के साथ जुड़ी हुई थी। द्वारा और बड़े, गहराई का नक्शा ही इतना महत्वपूर्ण नहीं था, केवल एक निश्चित संकेतक फ़ंक्शन का उपयोग किया गया था, जो "अनुभाग की गहराई" की विशेषता है। एल्गोरिथ्म ने 3.78% का एक HTER मान दिखाया। प्रशिक्षण के लिए तीन सार्वजनिक डेटा सेट का उपयोग किया गया था - CASIA-MFSD, MSU-USSA और रिप्ले-हमला।

दुर्भाग्य से, गहरी सीखने के लिए बड़ी संख्या में उत्कृष्ट रूपरेखाओं की उपलब्धता ने बड़ी संख्या में डेवलपर्स का उदय किया है जो नवजात नेटवर्क को इकट्ठा करने के एक जाने-माने तरीके में चेहरे के एंटी-स्पूफिंग की समस्या को हल करने के लिए "हेड-ऑन" की कोशिश कर रहे हैं। आमतौर पर यह कई नेटवर्कों पर पूर्व-प्रशिक्षित कई नेटवर्क के आउटपुट पर फीचर मैप्स के ढेर जैसा दिखता है, जो बाइनरी क्लासिफायरफायर को खिलाया जाता है।

सामान्य तौर पर, यह निष्कर्ष निकालने योग्य है कि आज तक, कुछ काम प्रकाशित हुए हैं, जो आम तौर पर अच्छे परिणाम दिखाते हैं, और जो केवल एक छोटे "लेकिन" को एकजुट करता है। इन सभी परिणामों को एक विशिष्ट डेटासेट में प्रदर्शित किया जाता है! स्थिति डेटा सेटों की सीमित उपलब्धता से बढ़ जाती है और उदाहरण के लिए, कुख्यात रिप्ले-अटैक पर, यह HTER 0% के लिए कोई आश्चर्य की बात नहीं है। यह सब बहुत जटिल आर्किटेक्चर के उद्भव की ओर जाता है, जैसे कि, कई सरल विशेषताओं का उपयोग करके, सहायक एल्गोरिदम ढेर पर इकट्ठे होते हैं, कई क्लासिफायर के साथ, जिसके परिणाम औसत हैं, और इसी तरह ... लेखक को आउटपुट पर HTER / 0.04% मिलता है!

इससे पता चलता है कि चेहरे के एंटी-स्पूफिंग समस्या को एक विशिष्ट डेटासेट के भीतर हल किया गया है। आइए तंत्रिका नेटवर्क पर आधारित विभिन्न आधुनिक विधियों को तालिका में लाएं। यह देखना आसान है कि "संदर्भ परिणाम" बहुत विविध तरीकों से प्राप्त किए गए थे जो केवल डेवलपर्स के पूछताछ वाले दिमाग में उत्पन्न हुए थे।

विभिन्न एल्गोरिदम के तुलनात्मक परिणाम। तालिका यहाँ से ली गई है ।

दुर्भाग्य से, एक ही "छोटा" कारक प्रतिशत के दसवें के लिए संघर्ष की अच्छी तस्वीर का उल्लंघन करता है। यदि आप एक डेटा सेट पर तंत्रिका नेटवर्क को प्रशिक्षित करने और इसे दूसरे पर लागू करने का प्रयास करते हैं, तो परिणाम होंगे ... इतना आशावादी नहीं। इससे भी बदतर, वास्तविक जीवन में सहपाठियों को लागू करने का प्रयास कोई उम्मीद नहीं छोड़ता है।
एक उदाहरण के रूप में, हम 2015 से डेटा लेते हैं, जहां प्रस्तुत छवि की प्रामाणिकता निर्धारित करने के लिए इसकी गुणवत्ता का एक मीट्रिक उपयोग किया गया था। खुद देख लो:

दूसरे शब्दों में, Idiap डेटा पर प्रशिक्षित एक एल्गोरिथ्म, लेकिन MSU पर लागू किया गया, वास्तव में 90.5% की सकारात्मक पहचान दर देगा, और यदि आप विपरीत (MSU पर ट्रेन और Idiap पर परीक्षण) करते हैं, तो केवल 47.2 सही ढंग से निर्धारित किया जा सकता है % (!) अन्य संयोजनों के लिए, स्थिति और भी बदतर हो जाती है, और, उदाहरण के लिए, यदि आप MSU पर एल्गोरिथ्म को प्रशिक्षित करते हैं और इसे CASIA पर जांचते हैं, तो TPR 10.8% होगा! इसका मतलब यह है कि बड़ी संख्या में ईमानदार उपयोगकर्ताओं को गलती से हमलावरों को सौंपा गया था, जो निराशाजनक नहीं हो सकते। यहां तक ​​कि क्रॉस-डेटाबेस प्रशिक्षण भी स्थिति को उलट नहीं सकता है, जो कि पूरी तरह से उचित तरीका है।

आइए अधिक देखें। पटेल के 2016 के लेख में प्रस्तुत किए गए परिणाम बताते हैं कि पर्याप्त रूप से जटिल प्रसंस्करण पाइपलाइनों और विश्वसनीय सुविधाओं जैसे कि निमिष और बनावट के साथ, अपरिचित डेटा सेटों पर परिणाम संतोषजनक नहीं माने जा सकते हैं। इसलिए, कुछ बिंदु पर यह स्पष्ट हो गया कि प्रस्तावित तरीके परिणामों को संक्षेप में बताने के लिए पर्याप्त नहीं थे।

और यदि आप एक प्रतियोगिता की व्यवस्था करते हैं ...

बेशक, चेहरे के क्षेत्र में एंटी स्पूफिंग प्रतिस्पर्धा के बिना नहीं था। 2017 में, फिनलैंड में ओउलू विश्वविद्यालय में अपने स्वयं के नए डेटा सेट पर एक प्रतियोगिता आयोजित की गई थी जिसमें काफी दिलचस्प प्रोटोकॉल थे, विशेष रूप से मोबाइल अनुप्रयोगों के क्षेत्र में उपयोग करने के लिए उन्मुख।

- प्रोटोकॉल 1: प्रकाश और पृष्ठभूमि में अंतर होता है। डेटासेट विभिन्न स्थानों में दर्ज किए जाते हैं और पृष्ठभूमि और प्रकाश व्यवस्था में भिन्न होते हैं।

-प्रोटोकॉल 2: हमलों के लिए प्रिंटर और स्क्रीन के विभिन्न मॉडल का उपयोग किया गया था। इसलिए, सत्यापन डेटा सेट में, एक तकनीक का उपयोग किया जाता है जो प्रशिक्षण सेट में नहीं पाया जाता है

प्रोटोकॉल 3: सेंसर की विनिमेयता। वास्तविक उपयोगकर्ता वीडियो और हमले पांच अलग-अलग स्मार्टफ़ोन पर रिकॉर्ड किए जाते हैं और एक प्रशिक्षण डेटासेट में उपयोग किए जाते हैं। , .

- 4: .

. , , , - . , , 10%. :

1. GRADIENT

   
   
   • ( HSV YCbCr), .
   • .
   • HSV YCbCr, . ROI (region-of-interest) 160×160 ..
   • ROI 3×3 5×5 , LBP , 6018.
   • (Recursive Feature Elimination) 6018 1000.
   • SVM .|
   
   

2. SZCVI

   
   
   • ,
   • 216×384
   • VGG-
   
   

3. Recod

   
   
   • SqueezeNet Imagenet
   • Transfer learning : CASIA UVAD
   • 224×224 pixels. , , , CNN.
   • .
   
   

4. CPqD

   
   
   • Inception-v3, ImageNet
   • C
   • , , 224×224 RGB |
   
   

, . LBP, , , .. GRADIANT , , , . .

. , . -, ( 15 NUAA 1140 MSU-USSA) , , , , . , , , , . -, . , CASIA , . , , , , … , , , .

30 . , , . , .

, , « ». . , (rPPG – remote photoplethysmography), . , , -, – . . , , , . , , . , , , .

कार्य ने विधि की प्रमुख प्रयोज्यता की पुष्टि करते हुए, लगभग 10% का HTER मूल्य दिखाया। इस दृष्टिकोण की संभावनाओं की पुष्टि करने वाले कई कार्य हैं।
(CVPR 2018) JH-Ortega et al। विजिबल और एनआईआर में पल्सबेडेड फेस एंटी-स्पूफिंग का समय विश्लेषण
(2016) एक्स। ली। एट अल। चेहरे के वीडियो से पल्स का पता लगाने के लिए सामान्यीकृत चेहरा विरोधी स्पूफिंग
(2016) जे। चेन एट अल। Realsense = वास्तविक हृदय गति: वीडियो से प्रदीप्ति अपरिवर्तनीय हृदय गति का अनुमान
(2014) HE तस्ली एट अल। अनुकूली चेहरे के क्षेत्रों का उपयोग करके दूरस्थ PPG आधारित महत्वपूर्ण संकेत माप

2018 में, मिशिगन विश्वविद्यालय के लियू और सहकर्मियों ने "बाइनरी पर्यवेक्षण" नामक दृष्टिकोण के पक्ष में द्विआधारी वर्गीकरण को छोड़ने का प्रस्ताव रखा - जो कि गहराई मानचित्र और दूरस्थ फोटोप्लेथ्सोग्राफी के आधार पर अधिक जटिल अनुमान का उपयोग कर रहा है। इन चेहरे की छवियों में से प्रत्येक के लिए, एक तीन-आयामी मॉडल का पुनर्निर्माण एक तंत्रिका नेटवर्क का उपयोग करके किया गया था और जिसका नाम एक गहन मानचित्र के साथ दिया गया था। नकली छवियों को शून्य से मिलकर एक गहराई का नक्शा सौंपा गया था, अंत में यह सिर्फ एक कागज या डिवाइस स्क्रीन का एक टुकड़ा है! इन विशेषताओं को "सत्य" के रूप में लिया गया था, तंत्रिका नेटवर्क को अपने स्वयं के डेटासेट पर प्रशिक्षित किया गया था। फिर, इनपुट छवि पर एक त्रि-आयामी चेहरा मुखौटा लगाया गया था, इसके लिए एक गहराई का नक्शा और एक नाड़ी की गणना की गई थी, और यह सब एक बल्कि जटिल कन्वेयर में एक साथ बांधा गया था। परिणामस्वरूप, इस विधि ने OULU प्रतिस्पर्धी डेटासेट पर लगभग 10 प्रतिशत की सटीकता दिखाई। दिलचस्प बात यह है कि ओउल विश्वविद्यालय द्वारा आयोजित प्रतियोगिता के विजेता ने द्विआधारी वर्गीकरण पैटर्न, ब्लिंकिंग ट्रैकिंग और अन्य "हाथ से डिजाइन" संकेतों पर एल्गोरिदम का निर्माण किया, और इसके समाधान में भी लगभग 10% की सटीकता थी। लाभ केवल आधा प्रतिशत था! नई संयुक्त तकनीक इस तथ्य से समर्थित है कि एल्गोरिथ्म को अपने स्वयं के डेटा सेट पर प्रशिक्षित किया गया था, और OULU पर परीक्षण किया गया था, जिससे विजेता के परिणाम में सुधार हुआ। यह डेटासेट से लेकर डेटासेट तक परिणामों की एक निश्चित पोर्टेबिलिटी को इंगित करता है, और जो नर्क मजाक नहीं कर रहा है, वह वास्तविक जीवन के लिए संभव है। हालांकि, जब अन्य डेटासेट - CASIA और ReplayAttack पर प्रशिक्षण करने की कोशिश की गई, तो परिणाम फिर से लगभग 28% था। बेशक, यह विभिन्न डेटा सेटों पर प्रशिक्षण के दौरान अन्य एल्गोरिदम के प्रदर्शन से अधिक है, लेकिन ऐसे सटीकता मूल्यों के साथ, किसी भी औद्योगिक उपयोग की कोई बात नहीं हो सकती है!

2019 के हालिया काम में वांग और उनके सहयोगियों द्वारा एक अलग दृष्टिकोण प्रस्तावित किया गया था। यह नोट किया गया था कि चेहरे की सूक्ष्मता के विश्लेषण में, सिर के घुमाव और विस्थापन ध्यान देने योग्य होते हैं, जिससे कोणों में एक विशिष्ट परिवर्तन होता है और चेहरे पर संकेतों के बीच सापेक्ष दूरी होती है। इसलिए जब चेहरे को क्षैतिज रूप से स्थानांतरित किया जाता है, तो नाक और कान के बीच का कोण बढ़ जाता है। लेकिन, यदि आप उसी तरह से चित्र के साथ कागज की एक शीट को शिफ्ट करते हैं, तो कोण कम हो जाएगा! चित्रण के लिए, यह काम से एक ड्राइंग को उद्धृत करने के लायक है।

इस सिद्धांत पर, लेखकों ने एक तंत्रिका नेटवर्क की परतों के बीच डेटा स्थानांतरित करने के लिए एक पूरी सीखने की इकाई का निर्माण किया। इसने दो फ्रेमों के अनुक्रम में प्रत्येक फ्रेम के लिए "गलत ऑफसेट" को ध्यान में रखा, और इसने जीआरयू गेटेड रिक्रंट यूनिट के आधार पर दीर्घकालिक निर्भरता विश्लेषण के अगले ब्लॉक में परिणाम का उपयोग करने की अनुमति दी। तब सभी संकेतों को समाप्‍त कर दिया गया था, नुकसान फ़ंक्शन की गणना की गई, और अंतिम वर्गीकरण का प्रदर्शन किया गया। इसने हमें OULU डेटासेट पर परिणाम को थोड़ा सुधारने की अनुमति दी, लेकिन प्रशिक्षण डेटा पर निर्भरता की समस्या बनी रही, क्योंकि CASIA-MFSD और रिप्ले-अटैक जोड़ी के लिए संकेतक क्रमशः 17.5 और 24 प्रतिशत थे।

करीब से, यह Tencent विशेषज्ञों के काम को ध्यान देने योग्य है, जिन्होंने स्रोत वीडियो छवि प्राप्त करने के तरीके को बदलने का प्रस्ताव दिया है। दृश्य को निष्क्रिय रूप से देखने के बजाय, उन्होंने चेहरे और पढ़ने के प्रतिबिंबों को गतिशील रूप से प्रकाश देने का सुझाव दिया। किसी वस्तु के सक्रिय विकिरण का सिद्धांत लंबे समय से विभिन्न प्रकार के स्थान प्रणालियों में लागू किया गया है, इसलिए, चेहरे का अध्ययन करने के लिए इसका उपयोग बहुत तार्किक लगता है। जाहिर है, विश्वसनीय पहचान के लिए, छवि में संकेतों की कमी होती है, और प्रकाश प्रतीकों के एक अनुक्रम के साथ फोन या टैबलेट स्क्रीन को प्रकाश में लाना (लेखकों की शब्दावली के अनुसार प्रकाश कैप्चा) बहुत मदद कर सकता है। अगला, फ्रेम की एक जोड़ी पर बिखरने और प्रतिबिंब में अंतर निर्धारित किया जाता है, और परिणाम मल्टीटास्क न्यूरल नेटवर्क को गहराई के नक्शे पर आगे की प्रक्रिया और विभिन्न नुकसान कार्यों की गणना के लिए खिलाया जाता है। अंत में, सामान्यीकृत प्रकाश फ्रेम का एक प्रतिगमन किया जाता है। लेखकों ने अन्य डेटा सेटों पर अपने एल्गोरिथ्म की सामान्यीकरण क्षमता का विश्लेषण नहीं किया और इसे अपने निजी डेटासेट पर प्रशिक्षित किया। परिणाम लगभग 1% है और यह बताया गया है कि वास्तविक उपयोग के लिए मॉडल पहले से ही तैनात किया गया है।

2017 तक, चेहरे का एंटी-स्पूफिंग क्षेत्र बहुत सक्रिय नहीं था। लेकिन 2019 ने पहले से ही कार्यों की एक पूरी श्रृंखला प्रस्तुत की है, जो कि मोबाइल फेशियल आइडेंटिफिकेशन टेक्नॉलॉजी के आक्रामक प्रचार से जुड़ी है, मुख्य रूप से Apple द्वारा। इसके अलावा, बैंक चेहरे की पहचान प्रौद्योगिकियों में रुचि रखते हैं। कई नए लोग उद्योग में आए हैं, जो हमें त्वरित प्रगति की उम्मीद करते हैं। लेकिन अब तक, प्रकाशनों के सुंदर शीर्षक के बावजूद, एल्गोरिदम की सामान्यीकरण क्षमता बहुत कमजोर है और हमें व्यावहारिक उपयोग के लिए किसी भी उपयुक्तता के बारे में बात करने की अनुमति नहीं देता है।

निष्कर्ष। और अंत में, मैं कहूंगा कि ...

• स्थानीय बाइनरी पैटर्न, ट्रैकिंग ब्लिंकिंग, श्वास, आंदोलनों और अन्य मैन्युअल रूप से डिज़ाइन किए गए संकेतों ने अपना महत्व बिल्कुल नहीं खोया है। यह मुख्य रूप से इस तथ्य के कारण है कि चेहरे के एंटी-स्पूफिंग के क्षेत्र में गहन प्रशिक्षण अभी भी बहुत भोला है।
• यह स्पष्ट है कि "एक ही" समाधान में, कई विधियों का विलय किया जाएगा। प्रतिबिंब, बिखरने, गहराई के नक्शे का विश्लेषण एक साथ उपयोग किया जाना चाहिए। सबसे अधिक संभावना है, एक अतिरिक्त डेटा चैनल को जोड़ने में मदद मिलेगी, उदाहरण के लिए, वॉयस रिकॉर्डिंग और कुछ प्रकार के सिस्टम दृष्टिकोण जो आपको एक ही सिस्टम में कई प्रौद्योगिकियों को इकट्ठा करने की अनुमति देंगे।
• फेस रिकग्निशन के लिए उपयोग की जाने वाली लगभग सभी प्रौद्योगिकियां फेस एंटी-स्पूफिंग (कैप!) में सब कुछ ढूंढती हैं, जो कि फेस रिकग्निशन के लिए विकसित की गई थी, एक या दूसरे रूप में, अटैक एनालिसिस के लिए एप्लिकेशन मिली है।
• मौजूदा डेटासेट संतृप्ति तक पहुंच गए हैं। पाँच में दस मूल डेटा सेटों में से, शून्य त्रुटि प्राप्त की गई थी। यह पहले से ही बोलता है, उदाहरण के लिए, गहराई के नक्शे के आधार पर तरीकों की दक्षता, लेकिन सामान्यीकरण की क्षमता में सुधार की अनुमति नहीं देता है। हमें उन पर नए डेटा और नए प्रयोगों की आवश्यकता है
• चेहरे की पहचान और चेहरे के एंटी-स्पूफिंग के विकास की डिग्री के बीच एक स्पष्ट असंतुलन है। संरक्षण तकनीकों में मान्यता प्रौद्योगिकियां काफी आगे हैं। इसके अलावा, यह विश्वसनीय सुरक्षा प्रणालियों की कमी है जो चेहरे की पहचान प्रणालियों के व्यावहारिक उपयोग को रोकता है। ऐसा हुआ कि मुख्य ध्यान विशेष रूप से मान्यता का सामना करने के लिए भुगतान किया गया था, और हमले का पता लगाने वाले सिस्टम कुछ हद तक बने रहे
• चेहरे के एंटी-स्पूफिंग के क्षेत्र में एक व्यवस्थित दृष्टिकोण की मजबूत आवश्यकता है। ओउल विश्वविद्यालय की पिछली प्रतियोगिता ने दिखाया कि एक गैर-प्रतिनिधि डेटा सेट का उपयोग करते समय, नए समाधान विकसित किए बिना, स्थापित समाधानों के एक सरल सक्षम समायोजन के साथ हारना काफी संभव है। शायद एक नई प्रतियोगिता ज्वार को मोड़ सकती है
• विषय में बढ़ती रुचि और बड़े खिलाड़ियों द्वारा चेहरे की पहचान प्रौद्योगिकियों की शुरुआत के साथ, "महत्वाकांक्षा की खिड़कियां" नई महत्वाकांक्षी टीमों के लिए दिखाई दीं, क्योंकि वास्तु स्तर पर एक नए समाधान की गंभीर आवश्यकता है