Halo semuanya! Nama saya Natalya Bessonova, saya direktur proyek blok identitas digital Rostelecom. Pada artikel ini saya ingin berbicara tentang bagaimana kami memilih kehidupan pasif dari satu citra wajah untuk Sistem Biometrik Terpadu.
Tidak banyak artikel di Habré yang membahas kehidupan dalam sistem biometrik, dan yang ada menjelaskan metode dan algoritme untuk menentukan kehidupan, atau, lebih sederhana, kepemilikan sampel biometrik kepada orang yang hidup. Mari kita berikan penghargaan kepada penulisnya - artikelnya menarik dan informatif, tetapi bagaimana jika kita tertarik pada seberapa baik mereka bekerja pada data yang tidak termasuk dalam kumpulan data terbuka mana pun? Bagaimana Anda tahu apakah kehidupan itu benar-benar baik atau buruk dan mana yang harus Anda pilih jika perlu? Dalam artikel ini, saya akan menjelaskan pendekatan untuk pemilihan kehidupan bidikan tunggal pasif (yaitu, satu gambar pada satu waktu) dari wajah untuk Sistem Biometrik Terpadu .
Mengapa Anda membutuhkan kehidupan
, ( , ). . , , ( , ):
O , «» Deepfake /, / . , . - «» , . - — . .
→ : , , ?
. Deepfake Detection Challenge , Amazon, Facebook Microsoft. NtechLab 2,2 .
, — . . , 5-10-20 . . . . , — . — .
. - . - , , … ( ) : ?
, . , , .
, , — , . .
→ :
, , . .
, - . : , 3D .
, , -, .
. , , . , , COVID-19, . : , , , , . , , . . .
, : « ?» « ?». ( ), , , , » , . , .
: (-) . : , , , , .., , , . , , - .
, , . , , deepfake. , , , .
2020 58624, , . . , :
;
;
( , ).
. , , . 58624.3, :
, ;
, ; () , . ;
, ;
, .
, . , . , . .
.
, -,
, .
FIDO Biometrics , , . , , . , , , .
:
– ;
2D- – ;
– , , ;
– ;
3D- – , 3D-.
, . , singleshot- deepfake , , , .
.
300 ( ), 1%. - :
Logitech C270;
Logitech C930;
Logitech B920;
Logitech Brio;
Intel Realsense D415;
Xiaomi Redmi6.
, , , .
, .
, :
1) CPU - Intel(R) Core(TM) i5-6600 CPU (4 , 3.30 , AVX AVX2 );
2) GPU - Nvidia GeForce GTX 1070 (8 );
3) - 16 DDR4;
4) - SSD SAMSUNG 970 EVO 500.
12 . , , singleshot-, API RGB , liveness score, . 3D- Intel RealSense D415 , , RGB , liveness score. .
|
@0.01 |
, |
_, |
|
, |
_, |
|
vendor1_v1 |
0.013 |
266.501 |
160.091 |
0.395 |
542.772 |
471.081 |
0.320 |
vendor1_v2 |
0.042 |
155.626 |
108.508 |
0.395 |
381.548 |
367.438 |
0.320 |
vendor2_v2_CPU |
0.048 |
874.527 |
21.748 |
0.008 |
910.202 |
60.381 |
0.039 |
vendor2_v2_GPU |
0.057 |
863.651 |
26.629 |
0.006 |
903.743 |
62.957 |
0.037 |
vendor1_v3 |
0.094 |
110.198 |
100.997 |
0.811 |
293.092 |
242.255 |
0.437 |
vendor3 |
0.153 |
146.217 |
82.217 |
0.012 |
360.056 |
324.149 |
0.016 |
vendor2_v1 |
0.255 |
874.294 |
35.319 |
0.002 |
1060.088 |
121.127 |
0.036 |
vendor4 |
0.423 |
444.085 |
35.818 |
0.006 |
512.427 |
106.987 |
0.010 |
vendor5_v3 |
0.442 |
160.426 |
298.351 |
0.014 |
683.258 |
882.690 |
0.025 |
vendor6 |
0.477 |
73.560 |
111.626 |
0.035 |
433.866 |
527.738 |
0.044 |
vendor5_v2 |
0.584 |
165.370 |
310.281 |
0.014 |
720.696 |
891.637 |
0.025 |
vendor5_v1 |
0.586 |
200.883 |
373.670 |
0.014 |
767.726 |
997.728 |
0.025 |
3D liveness |
0.777 |
|
|
|
|
|
|
vendor7 |
0.967 |
3021.262 |
46.769 |
0.006 |
3105.798 |
165.991 |
0.007 |
vendor8 |
1.000 |
754.956 |
155.772 |
0.002 |
1618.374 |
1789.670 |
0.006 |
, . : 1,3% 1%. : , 3D-, , .
. , . , . , , , 9% , , , .
. - . , , :
;
;
.
, — , , , , . , , . , , , .
, .