کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

تشخیص حملات عکس جعلی با استفاده از مدل DeepLabv3

نویسندگان :

فاطمه زارع¹ محمدجواد حسین پور²

1- دانشگاه آزاد اسلامی واحد استهبان 2- دانشگاه آزاد اسلامی واحد استهبان

کلمات کلیدی :

یادگیری عمیق،تقسیم بندی معنایی،DeepLabv3،Fine-Tuning،Face Anti-spoofing

چکیده :

در سال‌های اخیر، گسترش فناوری‌های مبتنی بر یادگیری عمیق موجب افزایش کیفیت و دسترس‌پذیری حملات جعل چهره شده است. این حملات، به‌ویژه در حوزه‌های امنیتی و احراز هویت، تهدیدی جدی برای سیستم‌های تشخیص هویت مبتنی بر چهره محسوب می‌شوند. پژوهش حاضر به ارائه رویکردی نوین برای تشخیص حملات عکس جعلی با بهره‌گیری از مدل قدرتمند DeepLabv3 می‌پردازد. در روش پیشنهادی، تصاویر مجموعه داده CASIA در دو دسته واقعی و جعلی مورد استفاده قرار گرفته و فرآیند Fine-Tuning بر روی مدل اعمال شده است. در تصاویر جعلی، خروجی تقسیم بندی معنایی به‌صورت ماسک سیاه کامل و در تصاویر واقعی، ناحیه چهره به‌صورت سفید روی پس‌زمینه مشکی برچسب‌گذاری گردید. مدل پیشنهادی پس از آموزش با تنظیمات بهینه (شامل سایز ورودی ۵۲۰×۵۲۰ پیکسل، تعداد دوره ۳۰، نرخ یادگیری اولیه و اندازه دسته تصویر ۲۸) نتایج قابل قبولی را به‌دست آورد. نتایج تجربی نشان داد که مدل DeepLabv3 با رویکرد پیشنهادی توانست در معیارهای دقت، صحت، فراخوانی، F1 و IoU عملکرد چشمگیری نسبت به روش‌های پیشین داشته باشد. این یافته‌ها نشان می‌دهد که استفاده از معماری‌های مبتنی بر تقسیم بندی معنایی عمیق می‌تواند راهکاری مؤثر برای مقابله با حملات عکس جعلی باشد و بستر مناسبی را برای توسعه سامانه‌های امن احراز هویت فراهم آورد.