Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Détection de faux documents d'identité respectueuse de la confidentialité : méthodologie, référence et algorithmes améliorés (FakeIDet2)

Created by
  • Haebom

Auteur

Javier Mu noz-Haro, Ruben Tolosana, Julian Fierrez, Ruben Vera-Rodriguez, Aythami Morales

Contour

Cet article aborde l'importance croissante de la vérification des utilisateurs à distance dans les applications Internet, en se concentrant plus particulièrement sur la détection des fausses pièces d'identité par IA. Pour pallier le manque de données réelles, nous proposons une méthodologie basée sur des correctifs préservant la confidentialité et fournissons une nouvelle base de données publique, FakeIDet2-db, contenant plus de 900 000 correctifs de pièces d'identité réelles et contrefaites. De plus, nous présentons une nouvelle méthode de détection des fausses pièces d'identité préservant la confidentialité, FakeIDet2, ainsi qu'un benchmark standard reproductible intégrant les bases de données existantes. Les correctifs extraits de 2 000 images de pièces d'identité acquises dans diverses conditions de capteur, d'éclairage et de hauteur de smartphone sont testés contre trois attaques physiques : impression, écran et synthèse.

Takeaways, Limitations

•
Takeaways:
◦
Contribuer à résoudre le problème de pénurie de données dans la recherche sur la détection des fausses identités basée sur l'IA grâce à une méthodologie basée sur des correctifs qui prend en compte la confidentialité.
◦
Activation de la recherche sur la détection des fausses cartes d'identité en fournissant une base de données publique à grande échelle, FakeIDet2-db.
◦
Nous présentons FakeIDet2, une nouvelle méthode de détection des fausses identités qui prend en compte la confidentialité.
◦
Améliorer la fiabilité des résultats de recherche en fournissant des repères standards reproductibles.
•
Limitations:
◦
Une vérification supplémentaire de la diversité et de la représentativité des images d’identité incluses dans la base de données est nécessaire.
◦
Des recherches supplémentaires sont nécessaires pour évaluer l’applicabilité et les performances de la méthodologie proposée dans des environnements réels.
◦
Une surveillance continue et une amélioration méthodologique sont nécessaires pour faire face à l’émergence de nouvelles technologies de contrefaçon.
👍
Made with Slashpage