TU Darmstadt / ULB / TUprints

Face Morphing and Morphing Attack Detection

Scherhag, Ulrich Johannes (2021)
Face Morphing and Morphing Attack Detection.
Technische Universität Darmstadt
doi: 10.26083/tuprints-00014595
Ph.D. Thesis, Primary publication, Publisher's Version

[img]
Preview
Text
Dissertation_Scherhag.pdf
Copyright Information: CC BY-SA 4.0 International - Creative Commons, Attribution ShareAlike.

Download (23MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Face Morphing and Morphing Attack Detection
Language: English
Referees: Fellner, Prof. Dr. Dieter W. ; Busch, Prof. Dr. Christoph ; Veldhuis, Prof. Dr. Raymond N. J.
Date: 2021
Place of Publication: Darmstadt
Collation: xxii, 215 Seiten
Date of oral examination: 16 November 2020
DOI: 10.26083/tuprints-00014595
Abstract:

In modern society, biometrics is gaining more and more importance, driven by the increase in recognition performance of the systems. In some areas, such as automatic border controls, there is no alternative to the application of biometric systems.

Despite all the advantages of biometric systems, the vulnerability of these still poses a problem. Facial recognition systems for example offer various attack points, like faces printed on paper or silicone masks. Besides the long known and well researched presentation attacks there is also the danger of the so-called morphing attack.

The research field of morphing attacks is quite young, which is why it has only been investigated to a limited extent so far. Publications proposing algorithms for the detection of morphing attacks often lack uniform databases and evaluation methods, which leads to a restricted comparability of the previously published work. Thus, the focus of this thesis is the comprehensive analysis of different features and classifiers in their suitability as algorithms for the detection of morphing attacks. In this context, evaluations are performed with uniform metrics on a realistic morphing database, allowing the simulation of various realistic scenarios.

If only the suspected morph is available, a HOG feature extraction in combination with an SVM is able to detect morphs with a D-EER ranging from 13.25% to 24.05%. If a trusted live capture image is available in addition, for example from a border gate, the deep ArcFace features in combination with an SVM can detect morphs with a D-EER ranging from 2.71% to 7.17%.

Alternative Abstract:
Alternative AbstractLanguage

In der modernen Gesellschaft gewinnt die Biometrie, insbesondere durch die Steigerung der Erkennungsleistung der Systeme, zunehmend an Bedeutung. In manchen Bereichen, zum Beispiel bei automatischen Grenzkontrollen, ist der Einsatz biometrischer Systeme alternativlos.

Trotz aller Vorteile biometrischer Systeme stellt die Angreifbarkeit dieser noch immer ein Problem dar. So bieten Gesichtserkennungssysteme verschiedene Angriffspunkte, zum Beispiel durch auf Papier gedruckte Gesichter oder Gummimasken. Neben den länger bekannten und gut erforschten Präsentationsangriffen besteht auch die Gefahr des so genannten Morphingangriffs.

Das Forschungsfeld im Zusammenhang mit Morphingangriffen ist noch jung, weshalb es bisher erst in einem überschaubaren Umfang bearbeitet wurde. Bei Publikationen, welche Algorithmen zur Erkennung von Morphingangriffen vorschlagen, mangelt es häufig an einheitlichen Datenbanken und Evaluationsmethoden, was zu einer begrenzten Vergleichbarkeit der bisher publizierten Arbeiten führt. Daher liegt der Fokus der vorliegenden Dissertation auf der umfassenden Analyse unterschiedlicher Merkmale und Klassifikatoren auf ihre Eignung als Algorithmen zur Erkennung von Morphingangriffen. Hierbei wird mit einheitlichen Metriken auf einer realistischen Morphing Datenbank evaluiert, sodass verschiedene realitätsnahe Szenarien abgebildet werden können.

Steht nur der mutmaßliche Morph zur Verfügung, so kann HOG in Kombination mit einer SVM Morphs mit einer D-EER zwischen 13.25% und 24.05% detektieren. Steht zusätzlich eine vertrauenswürdige Aufnahme, zum Beispiel aus der Grenzkontrolle, zur Verfügung, so kann eine Kombination aus den tiefen ArcFace Merkmalen in Kombination mit einer SVM Morphs mit einer D-EER zwischen 2.71% uns 7.17% detektieren.

German
Status: Publisher's Version
URN: urn:nbn:de:tuda-tuprints-145956
Classification DDC: 000 Generalities, computers, information > 004 Computer science
Divisions: 20 Department of Computer Science > Interactive Graphics Systems
Date Deposited: 23 Mar 2021 08:20
Last Modified: 23 Mar 2021 08:21
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/14595
PPN: 47819272X
Export:
Actions (login required)
View Item View Item