Face presantation attack detection by deep learning
Derin öğrenme ile yüz sunum saldırı tespiti
- Tez No: 885969
- Danışmanlar: PROF. DR. MUHAMMET GÖKHAN ERDEM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Manisa Celal Bayar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 70
Özet
Günümüzde teknolojinin gelişmesiyle beraber yapay zeka algoritmaları birçok alanda kullanılmaya başlanmıştır. Medikal, hava durumu tahminleri, dijital asistanlar, otonom araçlar ve güvenlik sistemleri gibi birçok alanda kullandığımız yapay zeka algoritmaları gün geçtikçe daha çok yaygınlaşmakta ve farklı alanlara yayılmaktadır. Bu çalışmanın da konusu olan biyometrik tanıma sistemleri; bankacılık, sağlık, havaalanları ve sınır denetimi, mobil telefonlar gibi birçok alanda aktif olarak kullanılmaktadır. Bu çalışmada yüz sunum saldırı tespiti alanında derin öğrenme algoritmalarının etkinliği araştırılmaktadır. Yüz tanıma sistemlerinin güvenliğini tehtit eden saldırganlar bu sistemleri sahte yüzler kullanarak (örneğin fotoğraf, video veya maskeler) aşmaya çalışmaktadır. Yapılan çalışmada derin öğrenme tabanlı yöntemlerin bu türdeki saldırıları tespit etmedeki başarısını incelemektir. Çalışmada iki farklı evrişimli sinir ağı modeli kullanılmış ve bu modellere farklı metotlar eklenerek evrişimli sinir ağı modellerinin problem çözme performansları kıyaslanmıştır. Modeller OULU-NPU veri seti üzerinde eğitilmiş ve veriseti üzerinde farklı veri arttırma yöntemleri kullanılarak elde edilen sonuçlar tartışılmıştır. Tezde kullanılan derin öğrenme modelleri, veriseti ve metodolojiler ayrıntılı olarak açıklanmış, model eğitimi ve test süreçleri kapsamlı olarak ele alınmıştır. Performans değerlendirmesi için Toplam Hata Oranının Yarısı (ing. HTER), Saldırı Sunumu Sınıflandırma Hata Oranı (ing. APCER) ve Gerçek Sunum Sınıflandırma Hata Oranı (ing. BPCER) metrikleri ışığında elde edilen sonuçlar tartışılmıştır. Elde edilen bulgular ele alınan modellerin yüz sunum saldırılarını tespit etmede başarılı olduğunu göstermiştir. Sonuç olarak bu tez derin öğrenme tekniklerinin yüz sunum saldırı tespiti için güçlü bir araç olduğunu ve biyometrik güvenlik sistemlerinin güvenilirliğini artırmada önemli bir rol oynayabileceğini ortaya koymaktadır.
Özet (Çeviri)
Today, with the development of technology, artificial intelligence algorithms have started to be used in many fields. Artificial intelligence algorithms, which we use in many fields such as medical, weather forecasting, digital assistants, autonomous vehicles and security systems, are becoming more widespread and spreading to different fields day by day. Biometric recognition systems, which are the subject of this study, are actively used in many areas such as banking, health, airports and border control, and mobile phones. This study investigates the effectiveness of deep learning algorithms in face presentation attack detection. Attackers who threaten the security of facial recognition systems try to bypass these systems by using fake faces (e.g. photos, videos or masks). The aim of this study is to examine the success of deep learning-based methods in detecting such attacks. In this study, two different convolutional neural network models are used and different methods are added to these models to compare the problem solving performance of convolutional neural network models. The models are trained on the OULU-NPU dataset and the results obtained by using different data sampling methods on the dataset are discussed. The deep learning models, dataset and methodologies used in the thesis are described in detail, and the model training and testing processes are discussed in detail. For performance evaluation, the results obtained in the light of Half of Total Error Rate (HTER), Attack Presentation Classification Error Rate (APCER) and Bonafide Presentation Classification Error Rate (BPCER) metrics are discussed. The results show that the models are successful in detecting face presentation attacks. In conclusion, this thesis demonstrates that deep learning techniques are a powerful tool for face-presentation attack detection and can play an important role in improving the reliability of biometric security systems.
Benzer Tezler
- Presentation attack detection with shuffled patch-wise binary supervision
Karıştırılmış yama tabanlı ikili gözetim ile sunum saldırı tespiti
ALPEREN KANTARCI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Detection of presentation attacks for face recognition systems
Yüz tanıma sistemlerinde yanıltma ataklarının tespiti
MEHMET FATİH GÜNDOĞAR
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÇİĞDEM EROĞLU ERDEM
- Investigation of shade features under ir illumination for facial biometric authentication systems
Yüz biyometrik doğrulama sistemleri için kızılötesi aydınlatma altında gölge özelliklerinin araştırılması
MEHMET ALİ OSMAN ATİK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKAY YILMAZ
- Kadına yönelik şiddetin basında sunumu
Presentation of violence against women in the press
HAKAN ERDEM
Yüksek Lisans
Türkçe
2019
GazetecilikSelçuk ÜniversitesiGazetecilik Ana Bilim Dalı
PROF. DR. BÜNYAMİN AYHAN
- Aile hekimliği asistanlarının meningokok enfeksiyonu ve aşıları hakkında bilgi düzeyleri ve tutumlarının eğitim öncesi ve sonrası karşılaştırılması
Comparison of knowledge levels and attitudes of family medicine assistants about meningococcal infection and vaccines before and after education
ABDULKADİR TANRIKULU
Tıpta Uzmanlık
Türkçe
2023
Aile HekimliğiSağlık Bilimleri ÜniversitesiAile Hekimliği Ana Bilim Dalı
UZMAN MERTHAN TUNAY
UZMAN HALİL VOLKAN TEKAYAK