[论文解读] A database for face presentation attack using wax figure faces

Shan Jia, Chuanbo Hu+2 more|arXiv (Cornell University)|Jun 6, 2019

Biometric Identification and Security参考文献 31被引用 6

一句话总结

本文提出了首个公开可用的蜡像人像数据库（Wax Figure Face Database, WFFD），包含4,400张来自450名被试的真实人脸与超逼真蜡像人像的高分辨率图像，用于评估人脸识别系统对3D呈现攻击的脆弱性。实验表明，当前最先进的人脸识别系统和呈现攻击检测（PAD）方法难以区分蜡像人像与真实人脸，其ACER值高达47.24%，表明高度逼真的3D欺骗攻击构成重大威胁。

ABSTRACT

Compared to 2D face presentation attacks (e.g. printed photos and video replays), 3D type attacks are more challenging to face recognition systems (FRS) by presenting 3D characteristics or materials similar to real faces. Existing 3D face spoofing databases, however, mostly based on 3D masks, are restricted to small data size or poor authenticity due to the production difficulty and high cost. In this work, we introduce the first wax figure face database, WFFD, as one type of super-realistic 3D presentation attacks to spoof the FRS. This database consists of 2200 images with both real and wax figure faces (totally 4400 faces) with a high diversity from online collections. Experiments on this database first investigate the vulnerability of three popular FRS to this kind of new attack. Further, we evaluate the performance of several face presentation attack detection methods to show the attack abilities of this super-realistic face spoofing database.

研究动机与目标

• 为解决当前缺乏大规模、高度逼真的3D人脸呈现攻击数据库以评估人脸识别系统（FRS）安全性的问题。
• 研究主流人脸识别系统在使用蜡像人像进行超逼真3D欺骗攻击时的脆弱性。
• 评估现有呈现攻击检测（PAD）方法在新型、高度逼真的3D攻击模式下的表现。
• 展示先进蜡像技术对当前生物特征安全系统的威胁。

提出的方法

• 使用450名被试的高分辨率图像构建WFFD数据库，每位被试均包含真实人脸与蜡像人像的对应图像。
• 图像来源于多样化的渠道，包括公共蜡像馆，确保在年龄、种族、姿态、表情、光照条件和相机类型等方面的多样性。
• 在WFFD上评估了三种主流人脸识别模型（ResNet-50、VGG-16及基于ResNet-50的方法），以评估其对蜡像人像欺骗攻击的脆弱性。
• 测试了七种最先进PAD方法——多尺度LBP、彩色LBP、Haralick特征、反射率特征、多级LPQ以及基于深度学习的模型——在三个评估协议下的表现。
• 定义了三个评估协议：协议I（不同相机与环境）、协议II（相同相机与环境）和协议III（跨数据集测试）。
• 检测性能通过等错误率（EER）、攻击呈现分类错误率（APCER）、最佳性能分类错误率（BPCER）以及平均分类错误率（ACER）进行衡量。

实验结果

研究问题

• RQ1 主流人脸识别系统在使用超逼真蜡像人像进行欺骗攻击时有多脆弱？
• RQ2 现有呈现攻击检测（PAD）方法在不同成像条件下，多大程度上无法区分真实人脸与蜡像人像？
• RQ3 PAD方法在不同评估协议下的表现如何变化，尤其是在真实度提升与环境一致性增强的条件下？
• RQ4 与手工设计特征方法相比，基于深度学习的PAD方法在高度逼真的3D欺骗攻击中能否实现更优的检测性能？
• RQ5 WFFD数据库在多大程度上具备整体攻击能力，能够对当前生物特征安全系统构成挑战？

主要发现

• 基于ResNet-50的PAD方法在所有协议中表现最佳，协议I的ACER为19.27%，协议II为21.83%，协议III为20.04%。
• 基于反射率的检测方法表现最差，协议III的ACER高达46.11%，表明其对蜡像人像攻击的泛化能力极差。
• 平均而言，PAD方法的ACER值在20.04%至47.24%之间，表明其在WFFD数据库上存在显著的检测失败率。
• 性能下降在协议II中最为严重，此时真实与蜡像人像在完全相同的条件下拍摄，导致EER与ACER值均显著升高。
• 基于VGG-16的方法表现较差，协议III的ACER达到47.24%，凸显了在常规数据集上训练的深度学习模型在面对新型、超逼真的欺骗伪影时的局限性。
• 结果证实，由于蜡像人像具有高度逼真的外观和与人类皮肤相似的材质，其对当前FRS与PAD系统构成强烈威胁。