Розробка методу антиспуфінгу зображень в системах біометричної безпеки з використанням ML
This article addresses the problem of detecting presentation attacks (spoofing) in facial biometric authentication systems. Given the growing prevalence of spoofing attacks using printed photos, video replays, and 3D masks, there is an urgent need to develop robust anti-spoofing mechanisms. The obje...
Збережено в:
| Дата: | 2025 |
|---|---|
| Автори: | , , , , , , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Kamianets-Podilskyi National Ivan Ohiienko University
2025
|
| Онлайн доступ: | http://mcm-tech.kpnu.edu.ua/article/view/332637 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Mathematical and computer modelling. Series: Technical sciences |
Репозитарії
Mathematical and computer modelling. Series: Technical sciences| id |
mcmtechkpnueduua-article-332637 |
|---|---|
| record_format |
ojs |
| institution |
Mathematical and computer modelling. Series: Technical sciences |
| baseUrl_str |
|
| datestamp_date |
2025-07-29T19:23:08Z |
| collection |
OJS |
| language |
Ukrainian |
| format |
Article |
| author |
Палагін, Володимир Івченко, Олександр Палагіна, Олена Філіпов, Віталій Гавриш, Олександр Байрак, Анатолій Пташкін, Роман |
| spellingShingle |
Палагін, Володимир Івченко, Олександр Палагіна, Олена Філіпов, Віталій Гавриш, Олександр Байрак, Анатолій Пташкін, Роман Розробка методу антиспуфінгу зображень в системах біометричної безпеки з використанням ML |
| author_facet |
Палагін, Володимир Івченко, Олександр Палагіна, Олена Філіпов, Віталій Гавриш, Олександр Байрак, Анатолій Пташкін, Роман |
| author_sort |
Палагін, Володимир |
| title |
Розробка методу антиспуфінгу зображень в системах біометричної безпеки з використанням ML |
| title_short |
Розробка методу антиспуфінгу зображень в системах біометричної безпеки з використанням ML |
| title_full |
Розробка методу антиспуфінгу зображень в системах біометричної безпеки з використанням ML |
| title_fullStr |
Розробка методу антиспуфінгу зображень в системах біометричної безпеки з використанням ML |
| title_full_unstemmed |
Розробка методу антиспуфінгу зображень в системах біометричної безпеки з використанням ML |
| title_sort |
розробка методу антиспуфінгу зображень в системах біометричної безпеки з використанням ml |
| title_alt |
Development of an Image Antispoofing Method in Biometric Security Systems Using Machine Learning |
| description |
This article addresses the problem of detecting presentation attacks (spoofing) in facial biometric authentication systems. Given the growing prevalence of spoofing attacks using printed photos, video replays, and 3D masks, there is an urgent need to develop robust anti-spoofing mechanisms. The objective of this study is to develop a multi-level combined method for spoofing detection that integrates both physical and behavioral facial features using machine learning models for adaptive decision-making.
The proposed system includes four functional modules: edge detection, motion analysis, blink detection, and smile detection. Each module generates a binary decision regarding the presence of liveness indicators, which are subsequently passed to an integration block. Unlike traditional approaches with fixed weighting schemes, this system computes weights adaptively based on a trained machine learning model. This enables the dynamic adjustment of each module's influence depending on environmental conditions, video quality, and individual facial characteristics.
The scientific novelty of this work lies in the development of a flexible mechanism for optimizing weighted coefficients of anti-spoofing modules based on the outcome of the learning phase. The system demonstrates the ability to self-adjust, enhancing overall detection accuracy while reducing false acceptance/rejection rates in challenging scenarios. The proposed model dynamically balances the contributions of physical and behavioral features to the final decision in real time.
The system is implemented as a modular architecture and tested on a controlled dataset containing various spoofing scenarios. Experimental results demonstrate high detection accuracy (up to 100% in test settings) and resilience to variability in input data. The article presents the operational algorithm, mathematical formulation of the modules, the principle of decision integration, and scalability potential. The proposed solution shows promise for practical implementation in mobile devices, access control systems, and online identity verification platforms. |
| publisher |
Kamianets-Podilskyi National Ivan Ohiienko University |
| publishDate |
2025 |
| url |
http://mcm-tech.kpnu.edu.ua/article/view/332637 |
| work_keys_str_mv |
AT palagínvolodimir developmentofanimageantispoofingmethodinbiometricsecuritysystemsusingmachinelearning AT ívčenkooleksandr developmentofanimageantispoofingmethodinbiometricsecuritysystemsusingmachinelearning AT palagínaolena developmentofanimageantispoofingmethodinbiometricsecuritysystemsusingmachinelearning AT fílípovvítalíj developmentofanimageantispoofingmethodinbiometricsecuritysystemsusingmachinelearning AT gavrišoleksandr developmentofanimageantispoofingmethodinbiometricsecuritysystemsusingmachinelearning AT bajrakanatolíj developmentofanimageantispoofingmethodinbiometricsecuritysystemsusingmachinelearning AT ptaškínroman developmentofanimageantispoofingmethodinbiometricsecuritysystemsusingmachinelearning AT palagínvolodimir rozrobkametoduantispufínguzobraženʹvsistemahbíometričnoíbezpekizvikoristannâmml AT ívčenkooleksandr rozrobkametoduantispufínguzobraženʹvsistemahbíometričnoíbezpekizvikoristannâmml AT palagínaolena rozrobkametoduantispufínguzobraženʹvsistemahbíometričnoíbezpekizvikoristannâmml AT fílípovvítalíj rozrobkametoduantispufínguzobraženʹvsistemahbíometričnoíbezpekizvikoristannâmml AT gavrišoleksandr rozrobkametoduantispufínguzobraženʹvsistemahbíometričnoíbezpekizvikoristannâmml AT bajrakanatolíj rozrobkametoduantispufínguzobraženʹvsistemahbíometričnoíbezpekizvikoristannâmml AT ptaškínroman rozrobkametoduantispufínguzobraženʹvsistemahbíometričnoíbezpekizvikoristannâmml |
| first_indexed |
2025-09-17T09:25:52Z |
| last_indexed |
2025-09-17T09:25:52Z |
| _version_ |
1850409866333519872 |
| spelling |
mcmtechkpnueduua-article-3326372025-07-29T19:23:08Z Development of an Image Antispoofing Method in Biometric Security Systems Using Machine Learning Розробка методу антиспуфінгу зображень в системах біометричної безпеки з використанням ML Палагін, Володимир Івченко, Олександр Палагіна, Олена Філіпов, Віталій Гавриш, Олександр Байрак, Анатолій Пташкін, Роман This article addresses the problem of detecting presentation attacks (spoofing) in facial biometric authentication systems. Given the growing prevalence of spoofing attacks using printed photos, video replays, and 3D masks, there is an urgent need to develop robust anti-spoofing mechanisms. The objective of this study is to develop a multi-level combined method for spoofing detection that integrates both physical and behavioral facial features using machine learning models for adaptive decision-making. The proposed system includes four functional modules: edge detection, motion analysis, blink detection, and smile detection. Each module generates a binary decision regarding the presence of liveness indicators, which are subsequently passed to an integration block. Unlike traditional approaches with fixed weighting schemes, this system computes weights adaptively based on a trained machine learning model. This enables the dynamic adjustment of each module's influence depending on environmental conditions, video quality, and individual facial characteristics. The scientific novelty of this work lies in the development of a flexible mechanism for optimizing weighted coefficients of anti-spoofing modules based on the outcome of the learning phase. The system demonstrates the ability to self-adjust, enhancing overall detection accuracy while reducing false acceptance/rejection rates in challenging scenarios. The proposed model dynamically balances the contributions of physical and behavioral features to the final decision in real time. The system is implemented as a modular architecture and tested on a controlled dataset containing various spoofing scenarios. Experimental results demonstrate high detection accuracy (up to 100% in test settings) and resilience to variability in input data. The article presents the operational algorithm, mathematical formulation of the modules, the principle of decision integration, and scalability potential. The proposed solution shows promise for practical implementation in mobile devices, access control systems, and online identity verification platforms. Розглянуто проблему виявлення презентаційних атак (спуфінгу) в системах біометричної автентифікації на основі розпізнавання облич. Зростання спуфінг-атак із використанням статичних зображень, відеозаписів та 3D-масок створює нагальну потребу у розробці стійких до підробок систем їх виявлення. Метою дослідження є розробка багаторівневого комбінованого методу антиспуфінгу, який інтегрує фізичні та поведінкові ознаки обличчя з використанням моделей машинного навчання (ML) для адаптивного прийняття рішень. Запропонована система включає чотири функціональні модулі аналізу зображень: виявлення країв (Edge Detection), аналіз мікрорухів (Motion Analysis), виявлення моргання (Blink Detection) та ідентифікація посмішки (Smile Detection). Кожен з модулів формує бінарне часткове рішення, яке далі передається до інтеграційного блоку. На відміну від класичних підходів зі сталими ваговими коефіцієнтами, у запропонованій системі ці ваги обчислюються адаптивно за допомогою навченої ML-моделі. Це забезпечує динамічну зміну впливу кожного модуля залежно від умов середовища, якості відеопотоку та характеристик обличчя користувача. Наукова новизна роботи полягає в розробці гнучкої моделі комбінованої біометричної системи безпеки при впровадженні механізму оптимізації зважених коефіцієнтів модулів антиспуфінгу на основі реалізації методів машинного навчання. Система демонструє здатність до самоналаштування, що дозволяє підвищити точність і знизити частоту помилкових спрацьовувань у складних умовах експлуатації. Запропонована модель дозволяє балансувати між фізичними та поведінковими ознаками, адаптуючи їхній внесок у фінальне рішення у режимі реального часу. Система реалізована у вигляді модульної архітектури та протестована на контрольованому наборі даних, який містить кілька типів атак. Результати експериментів демонструють високу точність виявлення підробок (до 100% у тестових умовах) та стійкість до варіативності вхідних даних. Описано алгоритм функціонування, математичні моделі модулів, принцип інтеграції та можливості масштабування. Запропоноване рішення має перспективи практичного впровадження в мобільні пристрої, системи контролю доступу та онлайн-ідентифікації. Kamianets-Podilskyi National Ivan Ohiienko University 2025-06-25 Article Article application/pdf http://mcm-tech.kpnu.edu.ua/article/view/332637 10.32626/2308-5916.2025-27.82-102 Mathematical and computer modelling. Series: Technical sciences; 2025: Mathematical and computer modelling. Series: Technical sciences. Issue 27; 82-102 Математичне та комп'ютерне моделювання. Серія: Технічні науки ; 2025: Математичне та комп'ютерне моделювання. Серія: Технічні науки. Випуск 27; 82-102 2308-5916 10.32626/2308-5916.2025-27 uk http://mcm-tech.kpnu.edu.ua/article/view/332637/325222 Авторське право (c) 2025 Математичне та комп'ютерне моделювання. Серія: Технічні науки |