Liveness Detection in Computer Vision: Transformer-based Self-Supervised Learning for Face Anti-Spoofing

人脸识别系统在生物识别安全方面越来越被广泛使用，因其方便和有效。然而，它们仍然容易受到欺骗攻击，攻击者使用照片、视频或面具来冒充合法用户。本研究通过探索使用DINO框架微调的Vision Transformer（ViT）架构来解决这些漏洞。DINO框架促进了自我监督学习，使模型能够从未标记的数据中学习区分特征。我们比较了使用DINO框架对ViT模型进行微调和传统CNN模型EfficientNet b2在人脸反欺骗任务上的表现。对标准数据集进行的大量测试表明，ViT模型在准确性和抵抗不同欺骗方法方面均优于CNN模型。此外，我们还从生物识别应用程序中收集了自己的数据集，以进一步验证我们的发现。这项研究突显了基于Transformer的架构在识别复杂欺骗线索方面的卓越表现，从而在生物识别安全方面取得了重大进展。

本论文旨在解决人脸识别系统中面临的欺诈攻击问题，即攻击者使用照片、视频或面具来冒充合法用户的问题。

本论文使用DINO框架对Vision Transformer（ViT）架构进行微调，以进行自监督学习，从而使模型能够从未标记的数据中学习区分特征，进而提高模型的准确性和抵御不同欺诈攻击的能力。

通过在标准数据集上的多次测试，本论文表明，相对于传统的CNN模型EfficientNet b2，在面对不同的欺诈攻击手段时，使用DINO框架微调的ViT模型表现更好，具有更高的准确性和抵御欺诈攻击的能力。此外，本论文还收集了自己的数据集以进一步验证其结果。

最近的相关研究包括“Face Anti-Spoofing Based on Patch and Depth-Based CNNs”和“Learning Deep Models for Face Anti-Spoofing: Binary or Auxiliary Supervision”。