要約
顔認証システムは、承認済みユーザーの偽造画像を用いたスプーフィング攻撃によって欺かれる可能性があるため、堅牢なスプーフィング検出モジュールを備える必要がある。近年の顔スプーフィング検出手法の多くは、訓練データとテストデータにおけるユーザー分布のズレ（distribution shift）を緩和するために、最適化されたアーキテクチャや学習目的に依存している。しかし、実際のオンライン環境では、ユーザーの過去のデータに、分布のズレを軽減するために活用可能な貴重な情報が含まれている。そこで本研究では、ラベルの付与されていないデータを用いてモデルをオンラインで適応させる軽量な手法「OAP（Online Adaptive Personalization）」を提案する。OAPは、元の生体情報画像を保存する必要なく、多数の既存スプーフィング検出手法に容易に統合可能である。SiWデータセットを用いた実験評価により、単一動画設定および継続的設定（継続的にライブ映像とスプーフィング動画が交互に出現する状況）の両方において、既存手法の認識性能がOAPによって向上することを示した。さらに、提案手法の設計選定の妥当性を検証するためのアブレーションスタディも実施した。