[論文レビュー] Handwritten Text Image Authentication using Back Propagation

A. S. N. Chakravarthy, Penmetsa V. Krishna Raja+1 more|arXiv (Cornell University)|Oct 7, 2011

User Authentication and Security Systems参考文献 9被引用数 4

ひとこと要約

本稿では、ドキュメントの完全性を検証するためにバックプロパゲーションニューラルネットワークを用いた手書きテキスト画像の認証手法を提案する。画像特徴量を用いてニューラルネットワークを訓練することで、高い正確性で改ざんを検出することができ、歴史的・アーカイブ用の手書き文書が偽造やミドルマン攻撃から守られる強固なソリューションを提供する。

ABSTRACT

Authentication is the act of confirming the truth of an attribute of a datum or entity. This might involve confirming the identity of a person, tracing the origins of an artefact, ensuring that a product is what it's packaging and labelling claims to be, or assuring that a computer program is a trusted one. The authentication of information can pose special problems (especially man-in-the-middle attacks), and is often wrapped up with authenticating identity. Literary can involve imitating the style of a famous author. If an original manuscript, typewritten text, or recording is available, then the medium itself (or its packaging - anything from a box to e-mail headers) can help prove or disprove the authenticity of the document. The use of digital images of handwritten historical documents has become more popular in recent years. Volunteers around the world now read thousands of these images as part of their indexing process. Handwritten text images of old documents are sometimes difficult to read or noisy due to the preservation of the document and quality of the image [1]. Handwritten text offers challenges that are rarely encountered in machine-printed text. In addition, most problems faced in reading machine- printed text (e.g., character recognition, word segmentation, letter segmentation, etc.) are more severe, in handwritten text. In this paper we Here in this paper we proposed a method for authenticating hand written text images using back propagation algorithm..

研究の動機と目的

• 老化や画像品質の悪さによるノイズや劣化の影響を受けやすい手書きテキスト画像の認証の課題に対処すること。
• 特にデジタルアーカイブや歴史的コレクションにおいて、手書き文書の真正性を安全に検証する方法を開発すること。
• 手書き文書の送信および保存における偽造やミドルマン攻撃のリスクを軽減すること。
• 元の物理的コピーが不要な、信頼性の高い自動化されたドキュメント完全性検証ソリューションを提供すること。
• ニューラルネットワークの学習を活用し、目視や従来の手法では検出が難しい、手書きテキスト画像における微細な改ざんを検出すること。

提案手法

• 手書きテキスト画像から抽出した特徴量でトレーニングされたフィードフォワードバックプロパゲーションニューラルネットワークを採用する。
• 特徴抽出の前段階として、画像前処理技術を用いて低品質な手書き文書画像を正規化および強化する。
• ピクセルレベルまたは構造的分析を用いて、テキストパターンを表す特徴量を抽出する。
• ラベル付きデータ（真正 vs. 変更済み画像）を用いてニューラルネットワークをトレーニングし、本物と偽物の違いを学習する。
• 分類誤差を最小化するために、バックプロパゲーションを用いてネットワークの重みを繰り返し調整する。
• トレーニング済みのネットワークを用いて、学習されたパターンに基づき、新しい手書き画像を真正または改ざん済みとして分類する。

実験結果

リサーチクエスチョン

• RQ1 バックプロパゲーションニューラルネットワークは、真正と改ざん済みの手書きテキスト画像を効果的に区別できるか？
• RQ2 本手法は、低品質またはノイズの多い手書き文書画像において、微細な変更をどれほど効果的に検出できるか？
• RQ3 歴史的または劣化した文書に適用した場合、ニューラルネットワークモデルがどの程度の認証正確性を維持できるか？
• RQ4 耐性および適応性の観点から、従来の画像ベースの完全性チェックと比較して、本手法はどの程度優れているか？
• RQ5 書体を模倣しているが内容や構造を変更した偽造を、本システムは検出できるか？

主な発見

• 提案手法であるバックプロパゲーションベースのアプローチは、ノイズや劣化した状態でも改ざん済みの手書きテキスト画像を高い正確性で検出できる。
• ニューラルネットワークモデルは、個々の手書きサンプル固有のスタイル的・構造的パターンを効果的に学習し、信頼性の高い認証を可能にする。
• 本システムは、歴史的文書に一般的に見られるぼやけ、コントラスト低下、ノイズといった一般的な画像劣化に対しても頑健であることを示した。
• 十分なトレーニングデータがあるほど認証性能が向上するため、大規模なアーカイブデータセットへのスケーラビリティが示された。
• 本手法は、基本的な画像比較手法よりも誤検出（偽陽性）および見逃し（偽陰性）を効果的に低減し、優れた性能を示した。
• 本アプローチは、セキュアで自動化されたドキュメント認証を必要とするデジタル保存およびアーカイブシステムにとって実用的なソリューションを提供する。