Một ống kính tiếp xúc màu được in với kết cấu iris của một người khác, một bức ảnh iris được in độ nét cao, một mắt giả thực tế,hoặc một hình ảnh iris được tổng hợp bởi AI tất cả những điều này đều có một điểm chung: chúng có thể đánh lừa một hệ thống nhận dạng tràng tràng chỉ tập trung vào sự phù hợp mô hình.
Trong ngành công nghiệp, các phương pháp như vậy có một thuật ngữ tiêu chuẩn: Presentation Attack.nếu nó không thể phân biệt giữa một con mắt con người thực sự và một bản giả trước máy ảnhTiêu chuẩn quốc tế ISO / IEC 30107-3 đã liệt kê phát hiện tấn công trình bày (PAD), thường được gọi là phát hiện tính năng sống,Là một mục đánh giá độc lập cho các hệ thống sinh trắc học.
Homsh gần đây đã hoàn thành nghiên cứu và phát triển và xác minh thực tế của hệ thống phát triển riêng của mình, HOMSH-PAD, được thử nghiệm trên một bộ dữ liệu độc lập gồm 18.516 hình ảnh.hệ thống đạt được tỷ lệ lỗi phát hiện bằng nhau (D-EER) là 0.50%.
I. Kiểm tra xác thực trước, sau đó xác nhận danh tính
Là một mô-đun độc lập được đặt trước luồng công việc nhận dạng, HOMSH-PAD hoạt động như sau: sau khi thiết bị chụp một hình ảnh mắt,hệ thống đầu tiên xác định vị trí iris và đầu ra một điểm xác thực thông qua một mạng học sâuChỉ có hình ảnh xác nhận là mắt con người thực tiếp tục bước nhận dạng; những người được xác định là tấn công được từ chối ngay lập tức.
Phiên bản hiện tại bao gồm bốn loại phương pháp tấn công chính: kính áp tròng màu kết cấu, hình ảnh iris in, mắt giả, và iris tổng hợp AI.mắt giả và hình ảnh iris in có tỷ lệ bỏ lỡ bằng không trong xét nghiệm; tỷ lệ bỏ lỡ cho các iris tổng hợp AI là 0,08%.Hệ thống duy trì phát hiện hiệu quả ngay cả đối với các mô hình ống kính tiếp xúc mới chưa từng thấy trong quá trình đào tạo điều này có nghĩa là mô hình đã học được các đặc điểm chung của các cuộc tấn công, thay vì chỉ đơn giản là ghi nhớ các mẫu cụ thể.
Giải thích bằng ngôn ngữ đơn giản các dữ liệu thử nghiệm
Trong 1.000 nỗ lực tấn công khác nhau, khoảng 993 được chặn;
Trong số 1.000 người dùng hợp pháp, khoảng 3 người bị từ chối sai.
II. Đằng sau các con số: Một cuộc thi về kỷ luật dữ liệu
Các lĩnh vực phát hiện sự sống động của mống mắt từ lâu đã bị ảnh hưởng bởi một vấn đề dai dẳng: các mô hình cung cấp các số liệu ấn tượng trong phòng thí nghiệm, nhưng thường thất bại khi được triển khai trong các kịch bản thực tế.Nhóm nghiên cứu và phát triển của Homsh ơi tin rằng vấn đề thường không nằm trong bản thân mô hình, nhưng trong dữ liệu đào tạo, các phím tắt thống kê ẩn liên quan vô tình với nhãn đúng/sai cho phép mô hình chọn phím tắt thay vì học các đặc điểm thực tế của các cuộc tấn công.
Để giải quyết vấn đề này, nhóm đã phát triển một phương pháp quản trị lĩnh vực dữ liệu đào tạo để phát hiện và loại bỏ một cách có hệ thống các phím tắt như vậy trước khi dữ liệu được lưu trữ và đào tạo bắt đầu.919 hình ảnh tràng quang từ 10750 đối tượng được sử dụng để đào tạo, hiệu chuẩn và thử nghiệm,với các nhóm đối tượng hoàn toàn không chồng chéo trên ba bộ dữ liệu mỗi con mắt trong bộ thử nghiệm không bao giờ được mô hình nhìn thấy trong quá trình đào tạoPhương pháp này là sự đổi mới độc lập cốt lõi của dự án và đã được bảo vệ bằng hồ sơ cấp bằng sáng chế.
Tất cả các số liệu được tính theo tiêu chuẩn quốc tế ISO/IEC 30107-3. Mức ngưỡng quyết định được xác định trên một bộ hiệu chuẩn độc lập,không tiếp xúc với bộ thử nghiệm trong suốt quá trình.
III. Thiết kế kỹ thuật được xây dựng để triển khai trong thế giới thực
HOMSH-PAD được thiết kế hoàn toàn cho việc triển khai thực tế:
●Trọng lượng nhẹ:Mô hình có kích thước khoảng 30 MB, có khả năng suy luận thời gian thực trên CPU và tương thích với tất cả các yếu tố hình thức từ các thiết bị đầu cuối kiểm soát truy cập nhúng đến máy chủ.
●Dễ tích hợp:Các nhà tích hợp chỉ cần nhập hình ảnh được chụp nguyên liệu; tất cả quá trình xử lý trước được xử lý nội bộ bởi SDK, cho phép tích hợp chỉ với một vài dòng mã.
●Có thể hiệu chỉnh:Hỗ trợ hiệu chỉnh lại ngưỡng bằng một cú nhấp chuột bằng cách sử dụng các mẫu người dùng thực từ trang web triển khai, cho phép tỷ lệ từ chối sai được điều chỉnh cho nhóm người dùng thực tế.
●Bảo vệ an toàn:Các đầu vào bất thường được phân loại là các cuộc tấn công theo mặc định, không để lại "khu vực xám" cho kẻ tấn công khai thác.
IV. Hoàn thành phần cuối cùng của câu đố
Trong khi công cụ nhận dạng mống mắt trả lời "Ai đây" thì HOMSH-PAD trả lời "Có phải đây là một con người thật hay không".chúng cho phép các giải pháp nhận dạng mờ mờ của Homsh ơi đáp ứng đầy đủ các yêu cầu phát hiện độ sống ngày càng rõ ràng của các kịch bản an ninh cao như các vấn đề của chính phủ, an ninh công cộng và tài chính.
Tiếp theo, nhóm sẽ tiếp tục mở rộng thư viện mẫu tấn công, hoàn thành nhiều vòng kiểm tra ổn định huấn luyện,và thúc đẩy tích hợp thiết bị đầy đủ với các sản phẩm nhận dạng mờ mắt tất cả trong một cũng như đánh giá có thẩm quyền của bên thứ ba.
