[논문 리뷰] The High-Quality Wide Multi-Channel Attack (HQ-WMCA) database

Zohreh Mostaani, Anjith George외 3명|arXiv (Cornell University)|2020. 09. 21.

Network Security and Intrusion Detection참고 문헌 7인용 수 14

한 줄 요약

HQ-WMCA 데이터베이스는 다중 스펙트럼 데이터셋으로서 5개 채널(컬러, 깊이, 열화상, 근적외선(NIR), 단파적외선(SWIR))을 포함하여 강건한 얼굴 제시 공격 탐지(PAD) 기술을 발전시키기 위해 고품질의 데이터를 제공한다. 동기화된 다중 파장 조명과 사전 처리된 데이터(예: 정규화된 SWIR 차분 이미지)를 통해 고급 분석이 가능하며, 128×128 및 224×224 해상도의 최신 기술 기반 CNN 모델(MCCNN 및 MC-PixBiS)의 성능 평가를 지원한다.

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.

연구 동기 및 목표

• 얼굴 제시 공격 탐지(PAD)의 강건성을 향상시키기 위해 다양하고 고품질의 다중 스펙트럼 데이터가 증가하는 필요성을 해결한다.
• 열화상, SWIR, 다중 파장의 NIR/SWIR 영상 채널을 포함하여 WMCA 데이터베이스를 확장한다.
• 제어된 조명 조건 하에서 51명의 참가자로부터 시간에 동기화된 데이터를 활용한 다중 채널 PAD 연구를 가능하게 한다.
• 표준화된 얼굴 정렬 및 정규화된 SWIR 차분 이미지를 포함한 사전 처리된 데이터를 제공하여 딥러닝 모델의 재현 가능한 평가를 지원한다.
• 다양한 조명 조건에 따른 20회 반복 주기 동안의 다중 모odal, 다중 스펙트럼 입력을 활용하여 고급 PAD 시스템의 개발 및 벤치마킹을 지원한다.

제안 방법

• Basler(컬러, NIR), Xenics(SWIR, 열화상), Intel Realsense D415(깊이)의 5개 동기화 센서를 사용하여 데이터를 확보하였으며, 각각 다른 해상도와 프레임 레이트를 가짐.
• 735–1650 nm에서 방출하는 9개의 LED 모듈을 사용하여 100ms 주기로 참가자를 조명하고, 각 파장에서 해당하는 NIR 및 SWIR 데이터를 캡처함.
• 총 2초 동안 20회 조명 주기 캡처를 수행하였으며, 735 nm에서 스테레오 NIR 데이터를 촬영하고, 컬러, 깊이, 열화상 센서는 연속 촬영을 수행함.
• 컬러 이미지에서 얼굴 검출 및 특징점 기반 정렬을 수행한 후, 검출된 특징점을 이용해 비-RGB 채널에도 동일한 변환을 적용함.
• 사전 처리 과정에서 정렬된 이미지를 회색조(128×128 또는 224×224)로 변환하고, 비-RGB 채널을 8비트 형식으로 정규화하며, 공식 $ d(I_{s_1},I_{s_2}) = \frac{I_{s_1} - I_{s_2}}{I_{s_1} + I_{s_2} + \epsilon} $ 를 사용해 정규화된 SWIR 차분 이미지를 계산함. 여기서 $ \epsilon = 10^{-4} $.
• 각 샘플당 42개의 SWIR 차분 이미지(7개 파장에서 유도)를 생성하고, 1개의 회색조 이미지를 포함하여 총 43개의 채널을 사전 처리된 파일에 포함하여 모델 훈련 및 평가를 지원함.

실험 결과

연구 질문

• RQ1 컬러, 깊이, 열화상, NIR, SWIR 채널에서의 다중 스펙트럼 데이터는 얼굴 제시 공격 탐지의 강건성에 어떻게 기여하는가?
• RQ2 원시 스펙트럼 데이터에 비해 정규화된 SWIR 차분 이미지는 가짜 공격 탐지에 얼마나 효과적인가?
• RQ3 다중 채널, 다중 스펙트럼 데이터로 훈련된 딥러닝 모델은 다양한 공격 유형과 재료에 대해 우수한 일반화 성능를 달성할 수 있는가?
• RQ4 NIR 및 SWIR 영역에서의 동기화된 다중 파장 조명은 PAD에 대한 스펙트럼 특징의 일관성과 신뢰성에 어떻게 기여하는가?
• RQ5 표준화된 사전 처리(특히 얼굴 정렬 및 채널 정규화)는 모델 성능 및 재현 가능성에 어떤 영향을 미치는가?

주요 결과

• HQ-WMCA 데이터베이스는 총 2904개의 영상 녹화를 포함하며, 555개의 정상 샘플과 2349개의 제시 공격 샘플이 51명의 참가자로부터 확보됨.
• 데이터셋에는 515개의 고유한 공격 유형이 포함되어 있으며, 2D 공격(예: 인쇄된 사진, 마스크) 440개, 3D 공격(예: 마네킹, 유연한 마스크) 464개, 가림 공격(예: 메이크업, 가발) 344개로 구성됨.
• 사전 처리된 데이터는 샘플당 43개의 채널을 포함하며, 1개의 회색조 이미지와 42개의 정규화된 SWIR 차분 이미지(7개 파장에서 유도)로 구성됨.
• 정규화된 SWIR 차분 이미지는 피부와 비피부 재료 간의 차이를 효과적으로 강조하여 절대 밝기 민감도를 감소시키고 가짜 공격 탐지 성능을 향상시킴.
• 두 가지 모델 프로토콜을 지원함: MCCNN-128(128×128, 느슨한 크롭) 및 MC-PixBiS-224(224×224, 날카운 크롭)로 다양한 모델 아키텍처의 벤치마킹이 가능함.
• 데이터셋은 GitLab을 통해 공개되며, 전체 문서 및 사전 처리 및 평가 코드를 제공하여 결과의 재현 가능성을 보장함.