[論文レビュー] IriTrack: Liveness Detection Using Irises Tracking for Preventing Face Spoofing Attacks

Meng Shen, Zichen Liao+4 more|arXiv (Cornell University)|Oct 8, 2018

Biometric Identification and Security参考文献 19被引用数 4

ひとこと要約

IriTrack は、ランダムに生成された多角形パターンに従って意図的なまばたきの動きを行うことで、虹彩の軌道を追跡し、ユーザーの生体状態を検証する生体認証検出システムである。期待される虹彩の軌道と実際の軌道とのずれを分析することで、高い正確性（F1スコア >95%）と低い計算コストを実現し、明るさや距離の変化に対しても効果的に動く。

ABSTRACT

Face liveness detection has become a widely used technique with a growing importance in various authentication scenarios to withstand spoofing attacks. Existing methods that perform liveness detection generally focus on designing intelligent classifiers or customized hardware to differentiate between the image or video samples of a real legitimate user and the imitated ones. Although effective, they can be resource-consuming and detection results may be sensitive to environmental changes. In this paper, we take iris movement as a significant liveness sign and propose a simple and efficient liveness detection system named IriTrack. Users are required to move their eyes along with a randomly generated poly-line, and trajectories of irises are then used as evidences for liveness detection. IriTrack allows checking liveness by using data collected during user-device interactions. We implemented a prototype and conducted extensive experiments to evaluate the performance of the proposed system. The results show that IriTrack can fend against spoofing attacks with a moderate and adjustable time overhead.

研究の動機と目的

• ビデオを用いたスプーフィング攻撃に対して脆弱な顔認証システムの課題を解決すること。
• 静的画像特徴や複雑な動画解析に依存する既存の生体認証検出手法の限界を克服すること。
• ユーザーとデバイスの相互作用中に自然に生じる眼の動きを、信頼性の高い生体状態の指標として活用すること。
• 専用センサーやトレーニングを必要としない、軽量でハードウェアに依存しないシステムを開発すること。
• 明るさの変化、カメラの違い、ユーザーの位置の変動といった実世界の変動に対しても耐性を持つこと。

提案手法

• ユーザーが特定の軌道に従って目を動くように誘導するため、ディスプレイ上にランダムな多角形パターンを生成する。
• OpenCV を用いた顔検出と Dauigman のアルゴリズムによる虹彩局所化を用いて、リアルタイムで虹彩位置を追跡する。
• 実際の虹彩軌道と期待されるパスとの比較により、ずれの指標を算出し、生体状態の証拠とする。
• 顔と虹彩の相対的位置を追跡することで、頭部の動きに対する感度を低下させ、安定性を向上させる。
• オフライン学習や複雑な分類器を必要としないモジュラーなパイプラインを実装し、標準デバイスへの展開を可能にする。
• 静的テクスチャ解析（例：テクスチャの違い）を組み込むことで、高度なマスクスプーフィング攻撃に対しても防御を強化する。

実験結果

リサーチクエスチョン

• RQ1 ランダムに生成されたパターンに従った意図的な眼の動きが、顔認証における信頼性の高い生体状態の指標として機能するか。
• RQ2 明るさやカメラハードウェアの変化といったさまざまな環境条件下でも、虹彩軌道追跡がどれほど頑健か。
• RQ3 既存の手法と比較して、IriTrack はどれほどビデオスプーフィング攻撃に耐性を持つのか。
• RQ4 ユーザーの頭部の位置やカメラからの距離が、検出精度にどのように影響を与えるか。
• RQ5 専用ハードウェアやモデルのトレーニングを必要としない状態で、高い性能を維持できるか。

主な発見

• 顔とカメラの距離が 24 cm の場合、IriTrack は F1 スコア 95.2% を達成し、最適な条件下での高い検出正確性を示した。
• 屋内・屋外・日差しの強い日・曇りの環境など、さまざまな明るさの条件下でも、F1 スコアが 91% を超えて維持された。
• 直射日光下でも F1 スコアが 90% を超え続け、照度の変化に対して高い耐性を示した。
• 顔が 20 cm と近すぎる、または 36 cm と遠すぎる場合、検出正確性が著しく低下（69.4% に低下）し、適切なユーザーの位置決めの重要性が浮き彫りになった。
• 制御された実験では、ビデオリプレイ攻撃に対して一切の成功したスプーフィングが検出されず、効果的な防御が確認された。
• 静的テクスチャ解析の統合により、通常は眼の動きを模倣できるマスクスプーフィング攻撃に対しても耐性が向上した。