[論文レビュー] Learning deep forest with multi-scale Local Binary Pattern features for face anti-spoofing

Rizhao Cai, Changsheng Chen|arXiv (Cornell University)|Oct 9, 2019

Biometric Identification and Security参考文献 37被引用数 13

ひとこと要約

本稿では、深層フォレストを用いた顔の偽造検出手法を提案し、元のグレインスキャンメカニズムを置き換えることで、敵対的攻撃に対する耐性を向上させた。この手法は、IDIAP REPLAY-ATTACKデータセットで0%の等誤差率（EER）を達成し、最先端のCNNベースの手法と同等の性能を示しながら、手作業特徴の統合によりシステムレベルのセキュリティを強化している。

ABSTRACT

Face Anti-Spoofing (FAS) is significant for the security of face recognition systems. Convolutional Neural Networks (CNNs) have been introduced to the field of the FAS and have achieved competitive performance. However, CNN-based methods are vulnerable to the adversarial attack. Attackers could generate adversarial-spoofing examples to circumvent a CNN-based face liveness detector. Studies about the transferability of the adversarial attack reveal that utilizing handcrafted feature-based methods could improve security in a system-level. Therefore, handcrafted feature-based methods are worth our exploration. In this paper, we introduce the deep forest, which is proposed as an alternative towards CNNs by Zhou et al., in the problem of the FAS. To the best of our knowledge, this is the first attempt at exploiting the deep forest in the problem of FAS. Moreover, we propose to re-devise the representation constructing by using LBP descriptors rather than the Grained-Scanning Mechanism in the original scheme. Our method achieves competitive results. On the benchmark database IDIAP REPLAY-ATTACK, 0\% Equal Error Rate (EER) is achieved. This work provides a competitive option in a fusing scheme for improving system-level security and offers important ideas to those who want to explore methods besides CNNs.

研究の動機と目的

• CNNベースの顔の偽装検出システムが敵対的攻撃に対して脆弱であるという問題に取り組む。
• バイオメトリクスの生体認証検出において、深層学習の代替としての木アセンブリ手法の有効性を検討する。
• グレインスキャンメカニズムをLBP記述子に置き換えることで、深層フォレストにおける表現学習を向上させる。
• ベンチマークデータセットで競争的な性能を達成するとともに、システムレベルのセキュリティを強化する。
• 融合ベースの偽装検出方式における実用的でCNNでない代替手段を提供する。

提案手法

• 深層フォレストの元来のグレインスキャンメカニズムを、多スケールローカルバイナリーパターン（LBP）記述子に置き換えて表現学習を実施する。
• RGB、HSV、YCbCrの色空間から抽出したLBP特徴を用いて、テクスチャに基づく偽装の兆候を捉える。
• 深層フォレストにおいてレイヤーキャスケード戦略を採用し、LBPに基づく表現を段階的に精緻化して予測を改善する。
• 複数のベンチマークデータセットにおける性能評価に、5分割交差検証プロトコルを適用する。
• 性能と計算コストのバランスを取るために、各フォレストの木の数を最適化する。
• 手作業特徴を活用することで、敵対的例の非転送性を確保し、システムレベルのセキュリティを強化する。

実験結果

リサーチクエスチョン

• RQ1 多スケールLBP特徴を用いた深層フォレストは、CNNベースのモデルと比較して競争的な性能を発揮できるか？
• RQ2 グレインスキャンメカニズムをLBPに基づく表現学習に置き換えることで、検出精度と耐性が向上するか？
• RQ3 手作業で作成したLBP特徴は、顔の生体認証検出における敵対的偽装攻撃に対する耐性を高められるか？
• RQ4 異なる色空間（RGB、HSV、YCbCr）における本手法の性能はどのように変化するか？
• RQ5 精度と計算効率のバランスを考慮した場合、各フォレストにおける最適な木の数は何か？

主な発見

• 提案手法は、IDIAP REPLAY-ATTACKデータベースで0%の等誤差率（EER）を達成し、このベンチマークで報告されたすべてのCNNベースの手法およびCoALBPを上回った。
• MSU-MFVSDデータベースでは、YCbCr色空間で1.56%のEERと1.33%のHTERを達成し、深度ベースのCNN（2.62%のEER）とピクセルベースのCNN（0.55%のEER）をHTERの観点で上回った。
• YCbCr色空間を用いた手法は、IDIAPデータセットで0%のEERを達成しており、偽装攻撃の検出において高い耐性と正確性を示している。
• 128〜256本の木が各フォレストに配置された場合、性能は安定し、500本を超えるとほとんど向上しないことから、精度と計算コストの実用的トレードオフが示された。
• LBPを強化した深層フォレストは、元来のグレインスキャンメカニズムを用いた深層フォレストを上回ったことから、テクスチャに基づく特徴の統合が有効であることが確認された。
• 手作業特徴を活用することで、敵対的モデルに転送されない性質を有し、システムレベルのセキュリティが強化され、回避攻撃のリスクが低減された。