[論文レビュー] The High-Quality Wide Multi-Channel Attack (HQ-WMCA) database

Zohreh Mostaani, Anjith George+3 more|arXiv (Cornell University)|Sep 21, 2020

Network Security and Intrusion Detection参考文献 7被引用数 14

ひとこと要約

HQ-WMCAデータベースは、顔のプレゼンテーションフォージェーション攻撃検出（PAD）の耐障害性を向上させるために、5つのチャネル（カラー、深度、赤外線、近赤外線（NIR）、短波赤外線（SWIR））を有する高品質でマルチスペクトルなデータセットを提供する。同期されたマルチウェーブレングス照明と事前処理済みデータ（正規化されたSWIR差分画像を含む）により、最先端の畳み込みニューラルネットワーク（CNN）モデル、例えばMCCNNとMC-PixBiSが128×128および224×224の解像度で活用可能となる。

ABSTRACT

The High-Quality Wide Multi-Channel Attack database (HQ-WMCA) database extends the previous Wide Multi-Channel Attack database(WMCA), with more channels including color, depth, thermal, infrared (spectra), and short-wave infrared (spectra), and also a wide variety of attacks.

研究の動機と目的

• 顔プレゼンテーションフォージェーション攻撃検出（PAD）における耐障害性を高めるために、多様で高品質なマルチスペクトルデータの需要を満たす。
• WMCAデータベースに赤外線、SWIR、およびマルチウェーブレングスのNIR/SWIRイメージングを含む追加チャネルを統合することで拡張する。
• 51名の被験者を対象に制御された照明条件下で時間的に同期されたデータを用いたマルチチャネルPAD研究を可能にする。
• 顔のアライメントと正規化されたSWIR差分画像を含む標準化されたデータを提供することで、ディープラーニングモデルの再現性のある評価を支援する。
• 20サイクルの可変照明条件下でマルチモーダルかつマルチスペクトル入力を用いた先進的なPADシステムの開発とベンチマーク評価を支援する。

提案手法

• Basler（カラー、NIR）、Xenics（SWIR、赤外線）、Intel Realsense D415（深度）の5台の同期センサーを用いてデータを取得し、それぞれ異なる解像度とフレームレートを持つ。
• 735–1650 nmで発光する9つのLEDモジュールを用いて被験者を照射し、各波長で100 msサイクルでNIRおよびSWIRデータを同時に取得する。
• 合計2秒間で20サイクルの照明を実施。735 nmのステレオNIRデータと、カラー、深度、赤外線センサーからの連続データを取得した。
• カラー画像に対して顔検出とランドマークベースのアライメントを実施し、検出されたランドマークを用いて非RGBチャネルに対しても同じ変換を適用した。
• 事前処理として、アラインされた画像をグレースケール（128×128または224×224）に変換し、非RGBチャネルを8ビット形式に正規化し、次の式を用いて正規化されたSWIR差分画像を計算した：$ d(I_{s_1},I_{s_2}) = \frac{I_{s_1} - I_{s_2}}{I_{s_1} + I_{s_2} + \epsilon} $ ただし $ \epsilon = 10^{-4} $。
• 1サンプルあたり42枚のSWIR差分画像（7波長から）を生成し、グレースケール画像1枚を含め、事前処理済みファイルには合計43チャネルを含める。これはモデルの学習および評価に使用される。

実験結果

リサーチクエスチョン

• RQ1 カラー、深度、赤外線、NIR、SWIRチャネルからのマルチスペクトルデータは、顔プレゼンテーションフォージェーション攻撃検出の耐障害性をどの程度向上させるか？
• RQ2 生のスペクトルデータと比較して、正規化されたSWIR差分画像はスプーフィング攻撃の検出をどの程度向上させるか？
• RQ3 マルチチャネル・マルチスペクトル入力を用いて学習されたディープラーニングモデルは、多様な攻撃タイプおよび素材に対して優れた一般化性能を達成できるか？
• RQ4 NIRおよびSWIRにおける同期的でマルチウェーブレングスの照明は、PADにおけるスペクトル特徴の整合性と信頼性をどの程度向上させるか？
• RQ5 特に顔のアライメントとチャネル正規化を含む標準化された事前処理の影響は、モデルの性能と再現性にどのような影響を与えるか？

主な発見

• HQ-WMCAデータベースには、51名の被験者を対象に合計2904本の動画記録が含まれており、うち555本が本物（bona fide）、2349本がプレゼンテーション攻撃である。
• データセットには515種類の独自の攻撃タイプが含まれており、2D攻撃（例：印刷された写真、マスク）が440種、3D攻撃（例：人形、可撓性マスク）が464種、遮蔽攻撃（例：化粧、ウィッグ）が344種にのぼる。
• 事前処理済みデータには1サンプルあたり43チャネルが含まれる：グレースケール画像1枚と、7波長からの42枚の正規化されたSWIR差分画像。
• 正規化されたSWIR差分画像は、肌と非肌素材の違いを効果的に強調し、絶対的な明るさへの感受性を低減させ、スプーフィング検出を向上させる。
• 2種類のモデルプロトコルを提供する：MCCNN-128（128×128、ゆるいクロップ）およびMC-PixBiS-224（224×224、きついクロップ）で、異なるモデルアーキテクチャのベンチマーク評価を可能にする。
• データセットはGitLab経由で公開されており、完全なドキュメンテーションおよび事前処理・評価用のコードを備えており、結果の再現性を保証する。