要約
提示攻撃（Presentation attacks）は、偽の人物が生体認証システムを欺くことを目的とした繰り返し発生する脅威であり、顔ベースの認証システムにおいて特に重要な課題である。人間の視覚系は、しばしば背景情報という文脈的手がかりを用いて認識を行うが、顔ベースのシステムでは、顔のクロップ（crop）画像で主に顔提示攻撃検出（Face Presentation Attack Detection: PAD）モデルが学習されるため、背景情報は通常無視される。本研究では、マルチタスク学習、敵対的訓練、動的フレーム選択といったPADモデルを、クロップありとクロップなしの2つの設定で比較検証した。その結果、画像に背景が含まれている場合、性能が一貫して向上することが明らかになった。特に提案するマルチタスク手法は、ROSE-Youtuデータセットにおいて、等誤差率（Equal Error Rate: EER）0.2%という優れた結果を達成し、従来の最先端手法を大きく上回った。さらに、Grad-CAM++を用いてモデルの予測過程を分析し、モデルが人間の検査に有用とされる背景要素にどれだけ注目しているかを検証した。その結果、すべての攻撃において背景情報が有用であるとは限らず、モデルが背景情報を必要に応じてのみ活用できることを示した。これは、モデルが文脈情報を適切に判断・利用する能力を有していることを示している。