FenixEdu™

Dissertação

{en_GB=Detection of Attacks to Face Recognition Systems} {} EVALUATED

Detalhes: {pt=Sistemas de reconhecimento facial são cada vez mais relevantes na sociedade actual, sendo maioritariamente utilizados como medida de segurança. Desde itens do quotidiano, como os telemóveis, até sistemas cuja segurança é crucial, como o controlo de acesso aos aeroportos, são exemplos da utilidade do reconhecimento facial. Devido à sua popularidade, estes sistemas biométricos são vulneráveis a uma vasta gama de ataques, que se têm tornado cada vez mais complexos. O objectivo desta tese é o desenvolvimento de uma ferramenta de detecção de intrusões, conhecidas como Ataques de Apresentação. Para este propósito, as contribuições do estado da arte são revistas de forma a compreender as suas principais limitações. O deep learning atinge um alto desempenho, o que consequentemente tem vindo a aumentar a sua popularidade. Assim, uma abordagem baseada em transferência usando o modelo de uma CNN previamente treinada é apresentada. Esta rede é então adaptada e optimizada. Ao longo do processo, uma nova abordagem implementando uma camada que se baseia na análise de vídeo é proposta. Esta distingue-se da usual análise de frame, sendo usada para classificação de acções, e é conhecida como LSTM. Para além disso, uma comparação com outros algoritmos do estado da arte é feita, o método proposto atinge uma taxa de erro de 1,09%. Finalmente, uma conclusão sobre os ataques a sistemas de reconhecimento facial é traçada, constatando a razão pela qual este tópico é ainda um problema em aberto, apesar do alto desempenho atingido por vários algoritmos do estado da arte., en=Face recognition systems are increasingly important in today's society, being mainly employed as a security measure. Everyday items, such as mobile phones, or more crucial security systems, such as the airport access control, are examples of face recognition usages. Due to its popularity, these biometric systems are vulnerable to a wide range of attacks, which are becoming more and more complex. Therefore the development of effective counter-measures is necessary. The objective of this thesis is to develop a tool which detects intrusions at the sensor level, known as Presentation Attacks (PA). For this, state of the art contributions are reviewed in order to understand their main limitations. When compared to older methods, deep learning achieves a high performance, which consequently has increased its popularity. Thus, an approach based on transfer learning using a pre-trained CNN model is presented. This network is then adapted to the problem and several steps are taken to optimise it. Along the process, a novel approach is proposed by implementing a layer that performs video analysis for action classification instead of the regular frame analysis, known as LSTM. Furthermore, a comparison against other state of the art algorithms is made, where the proposed method achieves a half total error rate (HTER) of 1.09% in the Replay-Attack database. Finally, a conclusion is made about the detection of attacks to facial recognition systems and why is it still an open problem, even though state of the art methods show a high performance in such demanding databases.}
Keywords: {pt=Reconhecimento Facial, Sistemas Biométricos, Ataques de Apresentação, Transferência de Conhecimento, Rede Neuronal, LSTM, en=Face Recognition, Biometrics, Presentation Attacks, Transfer Learning, CNN, LSTM}

Discussão: novembro 15, 2018, 11:30