[論文レビュー] A database for face presentation attack using wax figure faces

Shan Jia, Chuanbo Hu+2 more|arXiv (Cornell University)|Jun 6, 2019

Biometric Identification and Security参考文献 31被引用数 6

ひとこと要約

本稿では、顔認識システムの3Dプレゼンテーション攻撃に対する脆弱性を評価するため、4,500人の被験者からなる4,400枚の高解像度画像を含む、公開可能な最初のワックス像顔データベース（WFFD）を紹介する。実験の結果、最先端の顔認識システムおよびプレゼンテーション攻撃検出（PAD）手法が、ワックス像と本物の顔を区別できず、最高で47.24%のACERを示した。これは、非常にリアルな3Dスプーフィング攻撃の脅威を示している。

ABSTRACT

Compared to 2D face presentation attacks (e.g. printed photos and video replays), 3D type attacks are more challenging to face recognition systems (FRS) by presenting 3D characteristics or materials similar to real faces. Existing 3D face spoofing databases, however, mostly based on 3D masks, are restricted to small data size or poor authenticity due to the production difficulty and high cost. In this work, we introduce the first wax figure face database, WFFD, as one type of super-realistic 3D presentation attacks to spoof the FRS. This database consists of 2200 images with both real and wax figure faces (totally 4400 faces) with a high diversity from online collections. Experiments on this database first investigate the vulnerability of three popular FRS to this kind of new attack. Further, we evaluate the performance of several face presentation attack detection methods to show the attack abilities of this super-realistic face spoofing database.

研究の動機と目的

• 顔認識システム（FRS）のセキュリティを評価するための、大規模かつ超高精細な3Dプレゼンテーション攻撃データベースの不足に対処すること。
• 人気のある顔認識システムが、超高精細なワックス像顔を用いたスプーフィング攻撃に対してどれほど脆弱であるかを調査すること。
• 既存の顔プレゼンテーション攻撃検出（PAD）手法が、新しい超高精細な3D攻撃モダリティに対してどの程度の性能を示すかを評価すること。
• 先進的なワックス像技術が、現在のバイオメトリクスセキュリティシステムに及ぼす脅威を示すこと。

提案手法

• WFFDデータベースは、450名の被験者について、それぞれ本物の顔とワックス像顔の両方の高解像度画像を用いて構築された。
• 画像は、多様な出典（公開のワックス像美術館など）から収集され、年齢、人種、ポーズ、表情、照明、カメラの種類にわたる高い多様性を確保した。
• ワックス像スプーフィング攻撃に対する脆弱性を評価するために、3つの代表的な顔認識モデル（ResNet-50、VGG-16、およびResNet-50ベースの手法）をWFFD上で評価した。
• 7つの最先端のPAD手法（マルチスケールLBP、カラーLBP、Haralick特徴、反射率、マルチレベルLPQ、およびディープラーニングベースのモデル）を、3つの評価プロトコルでテストした。
• 3つの評価プロトコルを定義した：プロトコルI（異なるカメラと環境）、プロトコルII（同じカメラと環境）、プロトコルIII（クロスデータセットテスト）。
• 検出性能は、等誤差率（EER）、攻撃提示分類誤差率（APCER）、最良性能分類誤差率（BPCER）、平均分類誤差率（ACER）を用いて測定した。

実験結果

リサーチクエスチョン

• RQ1 人気のある顔認識システムは、超高精細なワックス像顔を用いたスプーフィング攻撃に対してどれほど脆弱であるか？
• RQ2 既存の顔プレゼンテーション攻撃検出（PAD）手法は、多様な撮影条件下で、本物の顔とワックス像顔をどの程度正しく区別できないか？
• RQ3 環境的一致性とリアルさが向上するに従い、PAD手法の性能は、異なる評価プロトコルでどのように変化するか？
• RQ4 ディープラーニングベースのPAD手法は、ハンドクラフト特徴ベースの手法と比較して、超高精細な3Dスプーフィング攻撃に対して優れた検出性能を達成できるか？
• RQ5 WFFDデータベースの全体的な攻撃能力は、現在のバイオメトリクスセキュリティシステムをどれほど困難にするか？

主な発見

• ResNet-50ベースのPAD手法が、全プロトコルで最高の性能を示し、プロトコルIではACER 19.27%、プロトコルIIでは21.83%、プロトコルIIIでは20.04%を記録した。
• 反射率ベースの手法が最も悪い性能を示し、プロトコルIIIではACER 46.11%を記録し、ワックス像攻撃への一般化能力が著しく低いことが示された。
• 平均して、PAD手法のACERは20.04%から47.24%の範囲にあり、WFFDデータベースに対する検出失敗率が顕著に高いことがわかった。
• 性能低下は、プロトコルIIで最も顕著で、本物とワックス像顔が同一条件下で撮影されたため、EERとACERの値が高くなった。
• VGG-16ベースの手法は性能が低く、プロトコルIIIではACER 47.24%を記録し、従来のデータセットで学習されたディープラーニングモデルが、新規の超高精細スプーフィングアーティファクトに対して限界を示すことがわかった。
• 結果から、ワックス像顔はその高いリアルさと人間の皮膚に類似した素材のため、現在のFRSおよびPADシステムに対して強い脅威をもたらすことが確認された。