仿冒攻击环境下的指静脉识别关键问题研究及其性能评估

"Biometrics are not secrets, ideally, they're unique to each individual, but that's not the same thing as being a secret." points out the weakness of biometrics trenchantly, while Fingerprint do not lie, but liars forge Fingerprint” illustrates the security issue: spoofing attack, which biometrics technology will bound to face in its own development path. Even finger vein recognition, which is known for vitality detection, is no exception. In recent year, frequent spoofing attacks on biometrics systems severely disturb economic order and public security, which arouse extensive concern of biometrics research under spoofing attacks. But present research does not put forward effective proposals for better integration of anti-spoofing and biometrics recognition, and gives no effective method for overall performance assessment. For this purpose, we plan to explore a novel sequent imaging mode for finger vein, and dig hidden feature information to perform effective anti-spoofing. In addition, we propose a new idea of waste information recycling , which adopts image separation methods to extract the new feature information from “useless” noise of finger vein images, and use these information to construct soft biometrics for settling the matter of poorish feature in finger vein recognition. finally, we will research the hybrid frame that fuse anti-spoofing, soft biometrics extraction and finger vein recognition. The project will provide some new ideas for biometrics evaluation under spoofing attacks.

“生物特征是每个人独一无二的特征，但这不等同于秘密”一语见地指出了生物特征自身的弱点，而“指纹自身不会撒谎，但撒谎者会伪造指纹”则真实阐释了生物特征识别技术在其发展轨迹中要面对的安全问题：仿冒攻击，即使以活体检测著称的指静脉识别也不例外。近年来生物特征仿冒攻击事件频出，对社会经济和公共安全造成了严重干扰，使得仿冒攻击环境下生物特征识别研究开始得到广泛关注。但目前只是孤立的研究仿冒攻击检测问题，并未将其与生物特征识别系统有机结合起来，缺乏有效的整体性能评估方法。为此，本项目提出一种新的序列静脉成像模式，通过挖掘其中潜藏的特征信息实现仿冒攻击检测；提出基于图像分层的废弃信息再利用思路，从无用噪声中挖掘信息，形成新型软生物特征以解决指静脉特征偏少的问题；构建一个融合仿冒攻击检测，软生物特征提取和指静脉识别于一体的混合框架并进行性能评价研究；本项目将为仿冒攻击环境下生物特征识别研究提供一些新思路。

在国家自然科学基金的支持下，对仿冒攻击环境下的指静脉识别关键问题及其性能评估进行了深入系统的研究，取得了包括24篇论文，15项专利及一套具备仿冒检测功能的指静脉识别系统在内的成果，主要贡献和创新性主要包括：.1）为方便对指静脉仿冒攻击检测领域进一步深入研究，改进了现有的指静脉仿冒方法，构建了一个伪造程度更逼真的真伪手指静脉数据库，并基于此深入开展了指静脉仿冒攻击检测研究，取得了多项成果；.2）针对设备在单一光照强度下手指厚度不一带来的过曝光或欠曝光问题，设计了一种基于多级光强的序列成像方式，提出一种基于静脉纹理特征点统计的图像质量评价方法，有效地提升了用于注册和认证的指静脉图像质量；.3）现有指静脉识别方法中通常将非静脉纹理区域看作噪声并予以去除，为充分利用该特征，我们通过静脉背景层提取和软生物特征构造算法对背景明暗分布这种软生物特征进行有效提取，提升了指静脉的识别准确率；.4）为进一步提升指静脉仿冒攻击检测性能，针对性设计了一个全新的浅层CNN网络FPNet。另外，我们提出了一种基于总变差分解的指静脉仿冒攻击检测算法，有效结合了真伪静脉图像上的模糊程度差异和噪声分布差异信息，为指静脉仿冒攻击检测领域提供极具价值的算法框架；.5）为提升深度学习模型在指静脉识别上识别效果，设计了一种类模板匹配策略来提取具有空间信息的特征，以应对静脉成像中的平移和旋转问题。另外，提出了一种针对性的修正对比丢失方法，并采用知识蒸馏训练一个深度可分卷积的轻量级CNN，有效地提升了识别实时性；.6）研究发现充分利用指静脉的双方向图可以减少手指旋转对识别性能的影响，对此我们提出了一种基于方向编码的指静脉特征提取算法，将双方向进行分块直方图统计，得到双方向编码直方图特征，有效提升了对旋转样本的识别效果；.7）现有的指静脉仿冒攻击检测和识别工作一般作为独立的两个任务单独研究，我们提出了指静脉识别和防伪网络（FVRAS网络），采用多任务学习方法将识别任务和防伪任务通过特征提取网络进行集成，使其具有较高的安全性和较强的实时性；.8）为对仿冒攻击环境下指静脉识别系统进行有效测评，我们对生物特征识别和仿冒攻击检测上的相关评价指标进行了调研与整理，提出将仿冒攻击检测与识别作为一种类三元分类任务,并给出了不同权重偏移参数条件下的总等误率计算方法，这对仿冒攻击检测与识别任务的综合评价有较好的指导意义。