[논문 리뷰] Introduction to Presentation Attack Detection in Face Biometrics and Recent Advances

Javier Hernandez‐Ortega, Julián Fiérrez외 2명|arXiv (Cornell University)|2021. 11. 23.

Biometric Identification and Security인용 수 5

한 줄 요약

이 논문은 얼굴 생체인식 분야의 제시 공격 탐지(PAD)에 대한 종합적인 소개를 제공하며, 인쇄된 사진, 영상 재생, 마스크와 같은 일반적인 공격 유형을 검토하고 최신 PAD 기법을 평가한다. 기존 방법이 딥페이크와 같은 새로운 공격에 직면할 때의 한계를 부각하며, 다중 모odal 융합과 생물학적으로 영감을 받은 특징을 통해 다양한 위조 시나리오에 대한 강건성과 일반화 능력을 향상시킬 것을 주장한다.

ABSTRACT

The main scope of this chapter is to serve as an introduction to face presentation attack detection, including key resources and advances in the field in the last few years. The next pages present the different presentation attacks that a face recognition system can confront, in which an attacker presents to the sensor, mainly a camera, a Presentation Attack Instrument (PAI), that is generally a photograph, a video, or a mask, to try to impersonate a genuine user. First, we make an introduction of the current status of face recognition, its level of deployment, and its challenges. In addition, we present the vulnerabilities and the possible attacks that a face recognition system may be exposed to, showing that way the high importance of presentation attack detection methods. We review different types of presentation attack methods, from simpler to more complex ones, and in which cases they could be effective. Then, we summarize the most popular presentation attack detection methods to deal with these attacks. Finally, we introduce public datasets used by the research community for exploring vulnerabilities of face biometrics to presentation attacks and developing effective countermeasures against known PAIs.

연구 동기 및 목표

• 이 분야의 신규 연구자들을 대상으로 얼굴 생체인식에서 제시 공격 탐지(PAD)의 기초 개요를 제공하는 것.
• 인쇄된 사진, 영상, 마스크를 포함한 일반적인 제시 공격 장치(PAIs)를 식별하고 분류하며, 그 효과성을 평가하는 것.
• 기존 PAD 기법을 검토하고 비교하며, 생체 인식 검사 및 다중 모달 접근법에 중점을 두는 것.
• 공개 데이터셋이 PAD 연구 발전과 시스템의 강건성 평가에 미치는 중요성을 부각하는 것.
• 딥페이크와 같은 새로운 과제를 논의하고, 더 견고한 PAD 시스템을 위한 향후 연구 방향을 제안하는 것.

제안 방법

• 복잡성과 위조 방법에 따라 PAIs를 카테고리로 분류: 정적 이미지, 영상 재생, 3D 마스크, 딥페이크와 같은 합성 미디어.
• 표면 질감, 운동, 생리적 신호(예: 혈류, 열적 패턴)를 분석하여 살아있는 얼굴와 위조된 얼굴를 구별하는 PAD 기법을 조사.
• PAD와 얼굴 인식 시스템을 융합하여 결정 정확도를 향상시키기 위해 순차적 및 병렬 전략을 평가.
• 딥러닝 및 전이 학습을 활용하여, 특히 새로운 또는 도전적인 PAI 유형을 탐지하는 데 성능을 향상시키는 것을 제안.
• 실세계 공격 시나리오를 커버하고 PAD 모델의 일반화 능력을 향상시키기 위해 새로운 다각도의 데이터베이스 개발을 권장.
• 기존의 질감 및 운동 기반 방법과 대비하여 생물학적·생리적 신호(예: 열화상, 맥박 감지)를 활용한 특징이 유망한 대안이 될 수 있음을 강조.

실험 결과

연구 질문

• RQ1 얼굴 생체인식 시스템에서 가장 흔하고 효과적인 제시 공격 유형은 무엇인가?
• RQ2 현재의 PAD 기법은 다양한 PAI 유형에 대해 어떻게 작동하는가? 특히 훈련 조건을 초월한 테스트에서의 성능은 어떻게 되는가?
• RQ3 딥페이크와 같은 고도의 위조 기법에 직면했을 때 기존 PAD 방법의 한계는 무엇인가?
• RQ4 여러 PAD 기법의 융합은 다양한 공격에 대한 강건성과 일반화 능력을 어떻게 향상시킬 수 있는가?
• RQ5 혈류, 열적 패턴과 같은 생물학적으로 영감을 받은 특징은 전통적인 방법에 비해 PAD 성능 향상에 어떤 역할을 하는가?

주요 결과

• PAD 대책이 구현되지 않은 경우, 얼굴 인식 시스템은 인쇄된 사진, 영상 재생, 3D 마스크와 같은 제시 공격에 매우 취약하다.
• 대부분의 PAD 기법은 특정 PAI 유형(예: 인쇄된 사진)에 대해서만 효과적이지만, 영상 재생이나 딥페이크와 같은 다른 위조 방법에 대해서는 실패한다.
• 특히 순차적 및 병렬 아키텍처를 활용한 여러 PAD 기법의 융합은 다양한 공격 유형에 걸쳐 탐지 성능을 크게 향상시킬 수 있다.
• 딥러닝 및 전이 학습은 특히 미세하거나 새로운 위조 방법을 탐지하는 데 있어 측정 가능한 성능 향상을 보였다.
• 혈류 및 열적 패턴과 같은 생리적 특징은 고품질의 합성 공격에 대비하여 질감 및 운동 기반 방법과 대비해 매우 유망한 대안을 제공한다.
• 다양하고 실세계 공격 시나리오를 반영한 데이터베이스의 부족은 PAD 시스템의 일반화 능력을 제한하며, 새로운 대표성 있는 데이터셋 개발의 긴급한 필요성을 드러낸다.