Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Detección de documentos de identidad falsos con respeto a la privacidad: metodología, punto de referencia y algoritmos mejorados (FakeIDet2)

Created by
  • Haebom

Autor

Javier Muñoz-Haro, Rubén Tolosana, Julián Fiérrez, Rubén Vera-Rodríguez, Aythami Morales

Describir

Este artículo aborda la creciente importancia de la verificación remota de usuarios en aplicaciones basadas en internet, centrándose específicamente en la detección de identificaciones (ID) falsificadas mediante IA. Para abordar la falta de datos reales, proponemos una metodología basada en parches que preserva la privacidad y proporcionamos una nueva base de datos pública, FakeIDet2-db, que contiene más de 900.000 parches de ID, tanto reales como falsificados. Además, presentamos un novedoso método de detección de ID falsificadas que preserva la privacidad, FakeIDet2, y un punto de referencia estándar reproducible que incorpora bases de datos existentes. Los parches extraídos de 2.000 imágenes de ID, adquiridas en diversas condiciones de sensor de smartphone, iluminación y altura, se prueban contra tres ataques físicos: impresión, pantalla y síntesis.

Takeaways, Limitations

•
Takeaways:
◦
Contribuir a resolver el problema de la escasez de datos en la investigación de detección de identidad falsificada basada en IA a través de una metodología basada en parches que tiene en cuenta la privacidad.
◦
Activación de la investigación sobre la detección de tarjetas de identidad falsificadas mediante el suministro de una base de datos pública a gran escala, FakeIDet2-db.
◦
Presentamos FakeIDet2, un nuevo método para detectar identificaciones falsificadas que tiene en cuenta la privacidad.
◦
Mejorar la confiabilidad de los resultados de investigación proporcionando puntos de referencia estándar reproducibles.
•
Limitations:
◦
Es necesaria una mayor verificación de la diversidad y representatividad de las imágenes de identificación incluidas en la base de datos.
◦
Se necesita más investigación para evaluar la aplicabilidad y el rendimiento de la metodología propuesta en entornos reales.
◦
Se necesita una vigilancia continua y una mejora metodológica para abordar la aparición de nuevas tecnologías de falsificación.
👍
Made with Slashpage