Broadcasting and Media Magazine (방송과미디어)

The Korean Institute of Broadcast and Media Engineers (한국방송∙미디어공학회)
권호 표지

딥러닝 기반 얼굴 위변조 검출 기술 동향

  • Published : 2020.04.30
Download PDF
⟨ Previous Next ⟩

Abstract

최근 생체 정보를 이용한 사용자 인증 기술이 발전하면서 이를 모바일 기기에 적용하는 사례가 크게 증가하고 있다. 특히, 얼굴 기반 인증 방식은 비접촉식이며 사용이 편리하여 적용 범위가 점점 확대되고 있는 추세이다. 그러나, 사용자의 얼굴 사진이나 동영상 등을 이용한 위변조가 용이하기 때문에 모바일 기기 내 보안 유지에 어려움을 야기한다. 본 고에서는 이러한 문제를 해결하기 위해 최근 활발히 연구되고 있는 심층신경망 기반 얼굴 위변조 검출 연구의 최신 동향을 소개하고자 한다. 먼저, 기본 합성곱 신경망 구조부터 생성모델 기반의 위변조 검출 방법까지 다양한 신경망 구조를 이용한 위변조 검출 방법에 대해 설명한다. 또한, 심층신경망 학습을 위해 사용되는 얼굴 위변조 데이터셋에 대해서도 간략히 살펴보고자 한다.

Keywords

References

  1. Y. Atoum, Y. Liu, A. Jorabloo, and X. Liu, "Face anti-spoofing using patch and depth-based CNNs," in Proc. IEEE Int. J. Conf. Biometrics, pp. 319-328, Oct. 2017.
  2. H. Li et al., "Learning generalized deep feature representation for face anti-spoofing," IEEE Tr. Inform. Forensics and Secur., vol. 13, no. 10, pp. 2639-2652, Oct. 2018. https://doi.org/10.1109/TIFS.2018.2825949
  3. Y. Liu, A. Jourabloo, and X. Liu, "Learning deep models for face anti-spoofing: binary or auxiliary supervision," in Proc. IEEE CVPR, pp. 389-398, Jun. 2018.
  4. X. Yang, W. Luo, L. Bao, D. Gong, S. Zheng, Z. Li, and W. Liu, "Face anti-spoofing: model matters, so does data," in Proc. IEEE CVPR, pp. 3507-3516, Jun. 2019.
  5. A. Jourabloo, Y. Liu, and X. Liu, "Face de-spoofing: anti-spoofing via noise modeling," in Proc. European Conference on Computer Vision (ECCV), Sep. 2018.
  6. Y. Liu, J. Stehouwer, A. Jourabloo, and X. Liu, "Deep tree learning for zero-shot face anti-spoofing," in Proc. IEEE CVPR, pp. 4675-4684, Jun. 2019.
  7. R. Shao, X. Lan, J. Li, and P. C. Yuen, "Multi-adversarial discriminative deep domain generalization for face presentation attack detection," in Proc. IEEE CVPR, pp. 10015-10023, Jun. 2019.
  8. A. Liu et al., "Multi-modal face anti-spoofing attack detection challenge at CVPR 2019," in Proc. IEEE CVPRW, Jun. 2019.
  9. T. Shen, Y. Huang, and Z. Tong, "FaceBagNet: bag-of-local-features model for multi-modal face anti-spoofing," in Proc. IEEE CVPRW, Jun. 2019.
  10. K. He, X. Zhang, S. Ren, and J. Sun, "Deep residual learning for image recognition," in Proc. IEEE CVPR, pp. 770-778, Jun. 2016.
  11. O. Nikisins, A. George, and S. Marcel, "Domain adaptation in multi-channel autoencoder based features for robust face anti-spoofing," in Proc. ICB, pp. 1-8, Jun. 2019.
  12. H. Chen, Y. Chen, X. Tian, and R. Jiang, "A cascade face spoofing detector based on face anti-spoofing R-CNN and improved Retinex LBP," IEEE Access, vol. 7, pp. 170116-133, Dec. 2019. https://doi.org/10.1109/ACCESS.2019.2955383
  13. X. Tu, H, Zhang, M. Xie, Y. Luo, Y. Zhang, and Z. Ma, "Enhance the motion cues for face anti-spoofing using CNNLSTM architecture," in arXiv 1901.05635, Jan. 2019.
  14. J. Guo, X. Zhu, J. Xiao, Z. Lei, G. Wan, and S. T. Li, "Improving face anti-spoofing by 3D virtual synthesis," in Proc. ICB, pp. 1-8, Jun. 2019.
  15. Z. Zhang, J. Yan, S. Liu, Z. Lei, D. Yi, and S. Z. Li, "A face antispoofing database with diverse attacks," in Proc. ICB, 2012, pp. 26-31.
  16. I. Chingovska, A. Anjos, and S. Marcel, "On the effectiveness of local binary patterns in face anti-spoofing," in Proc. IEEE BIOSIG, Sep. 2012, pp. 1-7.
  17. K. Patel, H. Han, and A. K. Jain, "Secure face unlock: spoof detection on smartphones," IEEE Tr. Inform. Forensics and Secur., vol. 11, no. 10, pp. 2268-2283, Oct. 2016. https://doi.org/10.1109/TIFS.2016.2578288