首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI morning

长距离视频演示攻击检测:跨越 1-100 m 和两种传感器类型的三类基准

2026-11-20 1 阅读 约2分钟阅读 Lambert Igene, Mohammad Zahir Uddin Chowdhury, Afzal Hossain, Sandip Purnapatra, Peter Johnson, Stephanie Schuckers
分享:
字号:
arXiv:2611.25108v1 公告类型:新 摘要:部署在边境管制和机场监控中的人脸呈现攻击检测 (PAD) 系统受到一个关键假设的限制:对象是在近距离(通常在一米以下)捕获的。现有的基准还没有系统地解决多距离捕获、多样化的环境条件以及并发欺骗和基于遮挡的攻击,导致部署的模型无法应对现实场景。我们引入了基于视频的 PAD 数据集,其中包含来自 261 个独特身份的 374,000 多个帧,这些帧是使用 DSLR 相机 (C) 和移动传感器 (M) 在室内和室外条件下在五个对峙距离 (1 m-100 m) 上收集的,具有三类标签:实时、恶搞和道具(遮挡);模型是在视频剪辑而不是单帧上进行训练和评估的。我们对四种 CNN 架构进行了微调和基准测试:MobileNetV3、MobileNet、EfficientNet 和 ResNet-50。较高分辨率的 DSLR 在所有距离上都保持近乎完美的欺骗分类率,而较低分辨率的移动传感器在超过 50 m 时急剧下降,对于 MobileNetV3,道具分类率在 75 m 处降至 55%。 EfficientNet 取得了最佳的整体性能(准确率 98.48%,ACER 2.01%)。对未见过的攻击数据集进行泛化测试,准确率达到 89-94%,验证了跨域稳健性。这些结果将捕获距离和传感器分辨率确定为 PAD 难度的关键但尚未充分探索的轴。该数据集将根据最终用户许可协议公开发布,以支持可重复的远程 PAD 研究。
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱