Détection des attaques de présentation faciale biométrique à l’aide d’un réseau de neurones convolutif à plusieurs canaux

La reconnaissance faciale est une méthode d’authentification biométrique courante. Toutefois, sa vulnérabilité aux attaques de présentation (aussi appelées spoofing) limite son utilisation dans les applications non supervisées. Bien qu’un grand nombre de méthodes existent pour détecter ces attaques de présentation (PA), la plupart échouent à repérer des attaques sophistiquées telles que les masques en silicone. À mesure que la qualité des outils utilisés pour les attaques de présentation s’améliore, la détection fiable des PA uniquement à partir de spectres visuels demeure un défi majeur. Nous soutenons qu’une analyse multi-canal pourrait contribuer à surmonter cette limitation. Dans ce contexte, nous proposons une approche basée sur un réseau de neurones convolutifs multi-canaux pour la détection des attaques de présentation (PAD). Nous introduisons également une nouvelle base de données, appelée Wide Multi-Channel Presentation Attack (WMCA), dédiée à la reconnaissance faciale et à la détection des attaques de présentation. Cette base contient une large variété d’attaques 2D et 3D, tant pour des attaques d’impersonation que d’obfuscation. Des données provenant de différents canaux — couleurs, profondeur, infrarouge proche et thermique — sont disponibles afin d’encourager la recherche dans le domaine de la PAD faciale. La méthode proposée a été comparée à des approches basées sur des caractéristiques et s’est révélée supérieure aux méthodes de référence, atteignant un taux d’erreur de classification équivalente (ACER) de 0,3 % sur la base de données introduite. La base de données ainsi que le logiciel permettant de reproduire les résultats sont mis à disposition publiquement.