共性特征学习的高泛化伪造指纹检测

作     者：袁程胜 徐震宇 向凌云 付章杰 夏志华 

作者机构：南京信息工程大学计算机学院网络空间安全学院 南京信息工程大学数字取证教育部工程研究中心 长沙理工大学计算机与通信工程学院 暨南大学网络空间安全学院 

出 版 物：《中国图象图形学报》 (Journal of Image and Graphics)

年 卷 期：2024年第9期

页      面：2780-2792页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(62102189,62122032) 江苏省自然科学基金项目(BK20200807) 国家社会科学基金项目(2022-SKJJ-C-082) 国防科技大学科研项目(JS21-4,ZK21-43)~~ 

主　　题：伪造指纹检测 材料域不变伪造特征 注意力 共性特征学习 泛化性 

摘      要：目的 指纹识别技术已大规模应用于人们的日常生活中，如身份鉴定、指纹支付与考勤等。然而，最新研究表明这些系统极易遭受伪造指纹的欺骗攻击，因此在使用指纹认证用户身份前，鉴别待测指纹的真伪至关重要。伪造指纹的制作材料具有多样性，现有工作忽视了不同材料伪造指纹之间数据分布的关联性，致使跨材料检测泛化性普遍较低。因此，本文通过分析不同材料伪造指纹数据间的分布关联性，挖掘不同伪造指纹间的材料域不变伪造特征，提出了一种基于共性特征学习的高泛化伪造指纹检测方法。方法 首先，为了表征和学习不同材料伪造指纹间的特征，设计了一种多尺度伪造特征提取器(multi-scale spoofing feature extractor, MSFE)，包含一个多尺度空间通道(multi-scale spatial-channel, MSC)注意力模块，以学习真假指纹类间的细粒度差异特征。然后，为了进一步分析不同材料伪造指纹数据间的分布关联性，又构造了一种共性伪造特征提取器(common spoofing feature extractor,CSFE)，在MSFE先验知识的引导下进行多任务的材料域不变伪造特征学习。最后，设计一个材料鉴别器对学习到的共性伪造特征进行约束，同时构建一个自适应联合优化损失模块来平衡多个模块在训练过程中的损失权重，以进一步提高面对未知材料伪造指纹检测时的泛化性。结果 在两个公开的指纹数据集(LivDet(liveness detection competition)2017和LivDet2019)上进行了跨材料测试，实验结果表明所提算法相较对比工作，ACE(average classification error)降低了1.34%,TDR(true detection rate)提高了1.43%，表现出较高的泛化性。结论 本文算法在ACE和TDR方面均取得优异性能。此外，当面对未知材料的伪造指纹检测时，同样表现出较强的泛化性。