[論文レビュー] Deep Tree Learning for Zero-shot Face Anti-Spoofing

Yaojie Liu, Joel Stehouwer+2 more|ArXiv.org|Apr 5, 2019

Biometric Identification and Security参考文献 44被引用数 14

ひとこと要約

本稿では、13種類の多様なスプーフ攻撃タイプを階層的特徴学習を用いて意味的サブグループに教師なしでクラスタリングするDeep Tree Network (DTN) を提案する。DTNは未知のスプーフサンプルを最も類似したクラスタにルーティングし、二値のスプーフ検出を実行する。複数のZSFAプロトコルで最先端の性能を達成するとともに、従来モデル比で15倍の計算コスト削減を実現した。

ABSTRACT

Face anti-spoofing is designed to keep face recognition systems from recognizing fake faces as the genuine users. While advanced face anti-spoofing methods are developed, new types of spoof attacks are also being created and becoming a threat to all existing systems. We define the detection of unknown spoof attacks as Zero-Shot Face Anti-spoofing (ZSFA). Previous works of ZSFA only study 1-2 types of spoof attacks, such as print/replay attacks, which limits the insight of this problem. In this work, we expand the ZSFA problem to a wide range of 13 types of spoof attacks, including print attack, replay attack, 3D mask attacks, and so on. A novel Deep Tree Network (DTN) is proposed to tackle the ZSFA. The tree is learned to partition the spoof samples into semantic sub-groups in an unsupervised fashion. When a data sample arrives, being know or unknown attacks, DTN routes it to the most similar spoof cluster, and make the binary decision. In addition, to enable the study of ZSFA, we introduce the first face anti-spoofing database that contains diverse types of spoof attacks. Experiments show that our proposed method achieves the state of the art on multiple testing protocols of ZSFA.

研究の動機と目的

• 訓練時に確認されていない新しいスプーフ手法を用いる攻撃者による実世界の顔認証システムにおける未知のスプーフ攻撃を検出する課題に対処すること。
• 従来のZSFA手法が1〜2種類のスプーフタイプのみを考慮し、手作業で特徴を設計するか、ライブのみのモデル化に依存するという限界を克服すること。
• 既知のスプーフデータを活用して、教師なしの階層的クラスタリングにより未知の攻撃の検出性能を向上させる統合フレームワークの構築。
• 13種類の多様なスプーフ攻撃タイプを含むSiW-Mデータベースを導入し、ZSFAの包括的ベンチマークを確立すること。

提案手法

• 特徴の分散に基づく教師なし学習を用いて、スプーフデータを意味的サブグループに再帰的に分割するDeep Tree Network (DTN) を提案する。
• 各ノードでデータの最大分散方向に沿ってデータを分割することで、補助ラベルなしに階層的クラスタリングを実現する。
• 各リーフノードは、そのサブグループ固有の二値スプーフ検出器を学習し、ルーティングされたスプーフサンプルを的確に分類できる。
• ルーティング機構は、特徴類似度に基づき、入力サンプルを最も類似したリーフノードにマッピングするための学習関数φ(x)を用いる。
• 対照的損失を用いてエンドツーエンドに訓練することで、クラスタ内での密着性とクラスタ間での分離性を促進する。
• 本フレームワークは、13種類のスプーフタイプを含む、新たに導入された大規模データベース（SiW-M）で評価された。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、一般的に研究されている印刷およびリプレイ攻撃を超えて、未知のスプーフ攻撃を一般化して検出できるか？
• RQ2 教師なしの階層的クラスタリングは、多様なスプーフ攻撃を意味的意味を持つサブグループにグループ化し、より優れたゼロショット検出を実現できるか？
• RQ3 明示的なアノテーションを必要とせずに、既知のスプーフデータが未知のスプーフタイプの検出性能をどの程度向上させられるか？
• RQ4 ZSFAの性能は、異なる種類の未知攻撃においてどのように変化するか？検出の難易度に影響を与える要因は何か？
• RQ5 コンactで効率的なモデルが、計算コストを大幅に削減しながらもZSFAで最先端の性能を達成できるか？

主な発見

• 提案されたDTNは、複数のZSFAテストプロトコルで最先端の性能を達成し、EERおよびACER指標の両方で従来手法を上回った。
• ベースラインモデルと比較して、計算コストを15倍（87 GFlopsから6 GFlopsに）削減しながらも、優れた精度を維持した。
• t-SNE可視化により、補助ラベルなしに異なるスプーフタイプの特徴が8つの意味的サブグループに明確にクラスタリングされていることが確認された。
• 透明マスクや紙製メガネなどの未知攻撃は、適切に最も類似したサブグループにルーティングされ、正確な検出が可能となった。
• 攻撃タイプごとの性能のばらつきは、特徴空間上の近接性によって説明できる：透明マスクや顔料によるマスカラなど、ライブサンプルに近い特徴を示す攻撃は検出が難しい。
• ツリーのルーティング機構により、一般的（例：画像品質）から具体的（例：3Dマスク対マスカラ）な特徴まで、段階的にスプーフ属性が伝達された。