Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới. Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận. Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.
Có thật sự là bạn không? Khám phá các kịch bản xác minh sinh trắc học trong video Avatar đầu biết nói chân thực như ảnh
Created by
Haebom
Tác giả
Laura Pedrouzo-Rodriguez, Pedro Delgado-DeRobles, Luis F. Gomez, Ruben Tolosana, Ruben Vera-Rodriguez, Aythami Morales, Julian Fierrez
Phác thảo
Bài báo này tập trung vào các rủi ro trộm cắp danh tính do sự gia tăng của các avatar có hình dạng giống thật. Do việc phát hiện gian lận chỉ dựa trên ngoại hình và giọng nói của avatar là rất khó khăn, chúng tôi đề xuất một phương pháp sinh trắc học để xác minh danh tính bằng cách sử dụng các mẫu chuyển động khuôn mặt. Chúng tôi xây dựng một tập dữ liệu mới gồm các video avatar thực tế được tạo bằng mô hình tạo avatar tiên tiến (GAGAvatar) và đề xuất một kiến trúc mạng tích chập đồ thị không gian-thời gian (GCN) nhẹ, dễ giải thích, sử dụng kỹ thuật gộp sự chú ý theo thời gian. Kết quả thử nghiệm chứng minh rằng các tín hiệu chuyển động khuôn mặt đạt được hiệu suất xác minh danh tính có ý nghĩa với diện tích dưới đường cong (AUC) đạt gần 80%. Hệ thống chuẩn mực và sinh trắc học được đề xuất được cung cấp cho cộng đồng nghiên cứu, làm nổi bật nhu cầu về các biện pháp phòng thủ sinh trắc học hành vi tiên tiến hơn trong các hệ thống giao tiếp dựa trên avatar.
Takeaways, Limitations
•
Takeaways:
◦
Một góc nhìn mới về rủi ro trộm cắp danh tính trong hệ thống liên lạc dựa trên avatar và khám phá các giải pháp.
◦
Xác thực hiệu quả của sinh trắc học hành vi bằng cách sử dụng các mẫu chuyển động khuôn mặt và đạt được hiệu suất cao.
◦
Cho phép nghiên cứu bằng cách cung cấp bộ dữ liệu video avatar mới và hệ thống sinh trắc học nhẹ, dễ giải thích.
◦
Cung cấp Takeaways quan trọng để tăng cường bảo mật cho các hệ thống dựa trên avatar.
•
Limitations:
◦
Giá trị AUC 80% không phải là hệ thống hoàn hảo và cần nghiên cứu thêm để đạt được độ chính xác cao hơn.
◦
Có thể có những hạn chế về tính đa dạng và quy mô của tập dữ liệu (ví dụ: các chủng tộc, độ tuổi, biểu cảm khuôn mặt khác nhau, v.v.).
◦
Cần phải xác nhận thêm về ứng dụng của hệ thống đề xuất trong môi trường thực tế (ví dụ: thay đổi về ánh sáng, góc máy ảnh, v.v.).
◦
Cần phải xem xét lại tính dễ bị tấn công của hệ thống trước các kỹ thuật ngụy trang phức tạp.
