マルチチャネル畳み込みニューラルネットワークを用いた生体認証顔のプレゼンテーション攻撃検出

顔認識は主流のバイオメトリック認証手法であるが、提示攻撃（通称スプーフィング）に対する脆弱性が、監視なしでの応用における実用性を制限している。提示攻撃（PA）に対処するための手法は多数存在するが、シリコンマスクを含む高度な攻撃を検出できないケースが多いため、その有効性に限界がある。提示攻撃の道具の品質が時間とともに向上する中で、可視光スペクトルのみに依拠した信頼性の高いPA検出は依然として極めて困難である。本研究では、複数チャネルにおける解析がこの課題の解決に寄与する可能性があると主張する。その観点から、提示攻撃検出（PAD）を目的としたマルチチャネル畳み込みニューラルネットワーク（CNN）に基づくアプローチを提案する。また、偽装攻撃（インパーソネーション）および隠蔽攻撃（オブスカレーション）の両方に対応する、2Dおよび3Dの多様な提示攻撃を含む新たな広域マルチチャネル提示攻撃（WMCA）データベースを導入する。本データベースでは、カラー、深度、近赤外線、熱赤外線といった複数のチャネルからのデータを提供し、顔のPAD研究を前進させる基盤を整備する。提案手法は特徴ベースのアプローチと比較された結果、導入したデータセット上でACER（等価誤検出率）0.3％を達成し、ベースライン手法を上回ることを確認した。本研究で用いたデータベースおよび結果の再現に必要なソフトウェアは、公開されている。