Luận văn thạc sĩ về phát hiện hình ảnh chân dung giả mạo sử dụng công nghệ học sâu

Luận văn thạc sĩ phân tích máy tính phát hiện hình ảnh chân dung giả mạo dựa vào các đặc trưng sâu, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp khả thi cho thực tiễn.

• Tác giả: Phạm Văn Ngoan
• Người hướng dẫn: PGS. Lê Hồng Trang
• Trường học: Đại học Bách Khoa - ĐHQG - HCM
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Phát Hiện Hình Ảnh Chân Dung Giả Mạo Dựa Vào Các Đặc Trưng Sâu
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2022
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• Nhiệm vụ luận văn
• Lời cảm ơn
• Tóm tắt luận văn thạc sĩ
• Lời cam đoan
• Danh sách hình vẽ
• Danh sách bảng
• 1. CHƯƠNG 1: MỞ ĐẦU
• 2. CHƯƠNG 2: GIỚI THIỆU
• 2.1. Tổng quan về bài toán
• 2.2. Các nền tảng
• 2.3. Các tiếp cận đã đề xuất
• 2.4. Một số hệ thống đã phát triển và ứng dụng trong thực tế
• 3. CHƯƠNG 3: CÁC MÔ HÌNH PHỔ BIẾN CHO BÀI TOÁN PHÁT HIỆN HÌNH ẢNH GIẢ MẠO
• 3.1. Mô hình sử dụng thuộc tính thủ công trên các không gian màu khác nhau
• 3.2. Mô hình kết hợp giữa thuộc tính thủ công và thuộc tính sâu
• 3.3. Mô hình dùng các phương pháp học sâu truyền thống
• 3.4. Mô hình học sâu có tính tổng quát
• 4. CHƯƠNG 4: CÁC ĐẶC TRƯNG SÂU VÀ RỘNG ĐỀ XUẤT
• 4.1. Các mẫu nhị phân cục bộ
• 4.2. Trích xuất các đặc trưng sâu dùng học chuyển tiếp
• 4.3. Kết hợp đặc trưng sâu và rộng
• 4.4. Thực nghiệm và kết quả
• 5. CHƯƠNG 5: KẾT LUẬN
• DANH SÁCH CÁC CÔNG TRÌNH KHOA HỌC
• Deep and Wide Features for Face Anti-Spoofing Paper
• Tài liệu tham khảo

Tóm tắt

I. Giới thiệu

Trong bối cảnh công nghệ nhận diện gương mặt phát triển mạnh mẽ, việc phát hiện hình ảnh giả mạo trở thành một thách thức lớn. Công nghệ học sâu (deep learning) đã mở ra những hướng đi mới trong việc giải quyết vấn đề này. Các phương pháp truyền thống thường dựa vào các đặc điểm tĩnh của hình ảnh, trong khi các phương pháp mới áp dụng công nghệ AI để tự động rút trích các đặc trưng sâu từ dữ liệu. Việc phát hiện chân dung giả mạo không chỉ là vấn đề kỹ thuật mà còn liên quan đến an ninh mạng, khi mà các hình thức tấn công ngày càng tinh vi hơn. Do đó, nghiên cứu này nhằm đề xuất một phương pháp kết hợp giữa các đặc trưng sâu và các thuộc tính thủ công để nâng cao độ chính xác trong việc phát hiện giả mạo.

1.1 Tầm quan trọng của việc phát hiện hình ảnh giả mạo

Việc phát hiện hình ảnh giả mạo có ý nghĩa quan trọng trong các ứng dụng như an ninh, xác thực danh tính và bảo mật thông tin. Các hình thức tấn công như sử dụng giấy in, video phát lại hay mặt nạ 3D đã đặt ra những thách thức lớn cho các hệ thống nhận diện gương mặt. Theo thống kê, số lượng các nghiên cứu liên quan đến phát hiện hình ảnh giả mạo ngày càng gia tăng, cho thấy sự cấp thiết của vấn đề này trong thời đại công nghệ số hiện nay.

II. Các phương pháp phát hiện hình ảnh giả mạo

Có hai phương pháp chính trong việc phát hiện giả mạo hình ảnh: phương pháp thủ công và phương pháp dựa vào học sâu. Phương pháp thủ công thường yêu cầu người dùng thực hiện các hành động như chớp mắt hoặc mỉm cười để xác minh tính chân thực. Trong khi đó, phương pháp học sâu sử dụng các mô hình mạng nơ-ron để tự động phân tích và phân loại hình ảnh. Việc kết hợp cả hai phương pháp này có thể tạo ra một hệ thống mạnh mẽ hơn trong việc phát hiện các hình thức tấn công tinh vi.

2.1 Phương pháp thủ công

Phương pháp thủ công dựa vào việc rút trích các đặc điểm hình ảnh từ các thuộc tính tĩnh. Tuy nhiên, phương pháp này có nhược điểm là dễ bị đánh lừa bởi các hình thức tấn công đơn giản như sử dụng ảnh chụp. Do đó, cần phát triển các kỹ thuật mới để cải thiện độ chính xác trong việc phát hiện chân dung giả mạo.

2.2 Phương pháp học sâu

Phương pháp học sâu sử dụng các mạng nơ-ron để rút trích các đặc trưng sâu từ dữ liệu hình ảnh. Các mô hình này có khả năng học hỏi từ dữ liệu lớn và tự động phát hiện các đặc điểm tinh vi mà con người khó có thể nhận ra. Việc áp dụng công nghệ học sâu không chỉ giúp tăng cường độ chính xác mà còn cải thiện khả năng phát hiện các hình thức giả mạo phức tạp hơn.

III. Kết quả và ứng dụng thực tiễn

Nghiên cứu đã cho thấy rằng việc kết hợp giữa các đặc trưng sâu và thủ công có thể nâng cao hiệu quả phát hiện hình ảnh giả mạo. Các thử nghiệm trên các tập dữ liệu như CASIA-FASD và MSU-MFSD đã chứng minh rằng mô hình đề xuất có thể đạt được độ chính xác cao trong việc phân loại hình ảnh thật và giả. Điều này không chỉ mang lại giá trị nghiên cứu mà còn có ứng dụng thực tiễn trong các hệ thống nhận diện gương mặt hiện tại.

3.1 Đánh giá hiệu quả

Kết quả từ các thử nghiệm cho thấy mô hình kết hợp có thể giảm tỷ lệ lỗi phân loại, từ đó nâng cao độ tin cậy của hệ thống. Việc sử dụng các chỉ số như False Acceptance Rate (FAR) và False Rejection Rate (FRR) đã giúp đánh giá chính xác hiệu quả của phương pháp. Điều này cho thấy rằng công nghệ AI và học sâu có thể tạo ra những bước tiến lớn trong việc phát hiện giả mạo hình ảnh.

3.2 Ứng dụng trong thực tế

Mô hình phát hiện chân dung giả mạo có thể được áp dụng trong nhiều lĩnh vực như an ninh, ngân hàng, và các hệ thống xác thực người dùng. Việc tích hợp công nghệ này vào các ứng dụng hiện tại sẽ giúp nâng cao tính bảo mật và trải nghiệm người dùng, đồng thời giảm thiểu rủi ro từ các hình thức tấn công giả mạo ngày càng tinh vi.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh chuyển đổi số mạnh mẽ năm 2022, công nghệ nhận diện sinh trắc học khuôn mặt đã trở thành phương thức xác thực chủ đạo với hơn 75 doanh nghiệp quốc tế đạt chứng nhận bảo mật theo tiêu chuẩn ISO/IEC 30107. Tuy nhiên, sự phát triển này kéo theo các nguy cơ an ninh nghiêm trọng từ các hình thức tấn công giả mạo (presentation attacks) ngày càng tinh vi, bao gồm ảnh in 2D độ phân giải cao, video phát lại qua màn hình kỹ thuật số và mặt nạ 3D chân thực. Luận văn thạc sĩ chuyên ngành Khoa học Máy tính tại Trường Đại học Bách Khoa – Đại học Quốc gia TP. Hồ Chí Minh, thực hiện từ tháng 9 năm 2021 đến tháng 5 năm 2022 và bảo vệ thành công vào tháng 7 năm 2022, đã tập trung giải quyết triệt để bài toán phát hiện hình ảnh chân dung giả mạo thụ động (passive face anti-spoofing - FAS).

Mục tiêu nghiên cứu trọng tâm là thiết kế và hiện thực hóa một kiến trúc học sâu toàn diện, kết hợp chặt chẽ giữa đặc trưng sâu ngữ nghĩa (deep features) và đặc trưng rộng kết cấu thủ công (wide handcrafted features) chỉ dựa trên một tấm ảnh tĩnh duy nhất. Đề tài mở rộng phạm vi kiểm thử thực nghiệm trên 3 tập dữ liệu chuẩn mực quốc tế gồm CASIA-FASD với 600 video từ 50 cá nhân, MSU-MFSD với 280 video từ 35 đối tượng và ROSE-YOUTU với hơn 3.000 video ghi hình qua 5 dòng thiết bị di động. Ý nghĩa thực tiễn của công trình thể hiện rõ nét qua việc kéo giảm tỷ lệ sai số phân loại trung bình ACER xuống dưới 3,0%, giảm thiểu tỷ lệ chấp nhận sai sót FAR tiệm cận mức 0,8%, mang đến giải pháp bảo mật tối ưu cho các cổng thanh toán ngân hàng điện tử và dịch vụ công trực tuyến mà không đòi hỏi người dùng phải thực hiện bất kỳ cử chỉ chuyển động phiền toái nào.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự giao thoa giữa hai nền tảng lý thuyết cốt lõi: lý thuyết mạng nơ-ron tích chập sâu (Convolutional Neural Networks - CNN) và lý thuyết phân tích kết cấu bề mặt không gian (spatial surface texture analysis). Trong đó, kiến trúc mạng phần dư ResNet (Residual Network) ra đời từ năm 2015 từng xuất sắc giành vị trí quán quân cuộc thi ILSVRC với tỷ lệ lỗi top 5 chỉ 3,57% được chọn làm khung xương sống để rút trích đặc trưng sâu. Để khắc phục triệt để hiện tượng suy giảm đạo hàm (vanishing gradient) khi mạng đi qua hàng trăm tầng tích chập, các khối liên kết tắt Identity Block được tích hợp xuyên suốt mô hình.

Mô hình nghiên cứu vận dụng 5 khái niệm chuyên ngành then chốt:

• Chống giả mạo thụ động (Passive Face Anti-Spoofing): Phân biệt ảnh thật và ảnh tấn công chỉ dựa trên một khung hình tĩnh duy nhất.
• Đặc trưng sâu (Deep Features): Biểu diễn không gian ẩn mức cao được trích xuất từ 5 giai đoạn tích chập của mạng ResNet-50 với hơn 23 triệu tham số học được.
• Mẫu nhị phân cục bộ (Local Binary Patterns - LBP): Thuật toán trích xuất đặc trưng vi kết cấu bề mặt dựa trên ma trận lân cận P = 8 điểm và các bán kính R = 1, R = 3, R = 5.
• Bộ đo lường chuẩn ISO/IEC 30107-3: Hệ tiêu chuẩn quốc tế đánh giá tỷ lệ lỗi phân loại tấn công APCER, phân loại người thật BPCER và lỗi trung bình ACER.
• Hàm kích hoạt phi tuyến tính ReLU và Sigmoid: Tối ưu hóa tính toán lan truyền xuôi và lan truyền ngược trong không gian phân loại nhị phân.

Phương pháp nghiên cứu

Nghiên cứu áp dụng phương pháp chọn mẫu phân tầng có chủ đích (purposive stratified sampling) từ 3 nguồn dữ liệu chuẩn mực toàn cầu với tổng quy mô trích xuất vượt hơn 10.000 khung hình đại diện. Cụ thể: bộ dữ liệu CASIA-FASD gồm 600 video của 50 người thu thập ở 12 ngữ cảnh môi trường và 3 cấp độ phân giải camera; bộ dữ liệu MSU-MFSD gồm 280 video của 35 người chụp bởi 2 loại cảm biến 720x480 và 640x480; bộ dữ liệu ROSE-YOUTU gồm hơn 3.000 video của 20 người được thu thập qua 5 dòng smartphone từ phân khúc bình dân đến cao cấp như iPhone 5s, Huawei và ZTE.

Lý do lựa chọn phương pháp phân tích kết hợp học chuyển tiếp (transfer learning) từ mạng ResNet và trích xuất đặc trưng rộng LBP là nhằm giải quyết dứt điểm điểm yếu quá khớp (overfitting) của các mạng CNN truyền thống khi lượng dữ liệu huấn luyện ảnh giả mạo còn hạn chế. Thuật toán LBP(8,1) nắm bắt chính xác các biến dạng tần số cao ở mức vi mô như đường vân in ấn, hiệu ứng Moire quét qua màn hình LCD và độ bóng phản quang, trong khi ResNet bao quát toàn bộ cấu trúc hình học 3D của khuôn mặt. Toàn bộ quy trình từ tiền xử lý, rút trích vector đặc trưng, kết hợp đa luồng đến đánh giá phân loại được thực hiện liên tục trong mốc thời gian từ tháng 9 năm 2021 đến tháng 5 năm 2022.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối sánh đa chiều đã ghi nhận 4 phát hiện quan trọng có giá trị học thuật cao:

Thứ nhất, việc kết hợp mô hình ResNet-50 với đặc trưng vi kết cấu LBP(8,1) đem lại hiệu năng vượt bậc, giúp hạ thấp chỉ số lỗi phân loại trung bình ACER xuống mức 2,8% trên tập dữ liệu CASIA-FASD, cải thiện hơn 35% độ chính xác so với các mô hình chỉ sử dụng mạng CNN đơn thuần.

Thứ hai, trên tập kiểm thử MSU-MFSD vốn chứa các dạng tấn công phát lại video chất lượng cao qua màn hình iPad Air và iPhone, mô hình đạt tỷ lệ lỗi phân loại tấn công APCER ở mức 1,9% và tỷ lệ lỗi phân loại người thật BPCER đạt 2,1%, vượt trội gần 40% so với phương pháp VGG-Face kết hợp SVM truyền thống vốn có tỷ lệ lỗi ngang bằng EER ở mức 4,5%.

Thứ ba, trên tập dữ liệu ROSE-YOUTU đa dạng góc chụp và ánh sáng phức tạp, mô hình ResNet-101 kết hợp LBP(8,1) duy trì độ ổn định tuyệt đối với chỉ số ACER chỉ 3,2%, khẳng định năng lực tổng quát hóa xuất sắc trước các biến thể mặt nạ giấy cắt mắt và màn hình kích thước lớn.

Thứ tư, khi so sánh giữa các thiết lập bán kính LBP lân cận gồm R = 1, R = 3 và R = 5, bán kính nhỏ R = 1 mang lại ma trận nhầm lẫn tối ưu nhất với tỷ lệ nhận diện chính xác người thật (True Positive) đạt trên 97,5% trên toàn bộ các kịch bản kiểm định.

Thảo luận kết quả

Sự vượt trội của mô hình đề xuất bắt nguồn từ cơ chế bổ trợ hai chiều giữa mạng học sâu và thuật toán kết cấu cục bộ. Mạng ResNet trích xuất sâu các thuộc tính hình thái khuôn mặt tổng quát, trong khi vector tần suất LBP(8,1) đóng vai trò như một bộ lọc nhạy cảm, dễ dàng phát hiện các bất thường về độ phản xạ quang học và vi kết cấu nhân tạo trên bề mặt giấy in hay tấm nền điện tử. Khi đặt cạnh phương pháp của Zinelabidine trên không gian màu YCbCr và HSV đạt EER 6,2% hay mô hình trích xuất đặc trưng HOG của Zukka đạt EER 2,15%, giải pháp đề xuất cho thấy tính ổn định vượt trội khi đánh giá chéo giữa các tập dữ liệu mà không cần phụ thuộc vào tín hiệu nhịp tim rPPG phức tạp.

Dữ liệu kết quả nghiên cứu có thể được trực quan hóa rõ ràng thông qua một biểu đồ cột so sánh trực tiếp chỉ số sai số ACER giữa các biến thể ResNet-50, ResNet-101 và các phương pháp cơ sở trên cả 3 tập dữ liệu thực nghiệm. Đi kèm với đó là bảng ma trận nhầm lẫn (confusion matrix) 4 chiều mô tả chi tiết các đại lượng True Positive, False Positive, True Negative và False Negative. Cách trình bày đối chiếu này làm nổi bật khả năng triệt tiêu tỷ lệ chấp nhận sai FAR xuống dưới mức 0,8%, chứng minh tính khả thi cao khi ứng dụng vào hệ thống thực tế với yêu cầu khắt khe về an toàn dữ liệu.

Đề xuất và khuyến nghị

Nhằm chuyển hóa kết quả nghiên cứu thành các giải pháp an ninh thực tiễn, 4 khuyến nghị hành động chiến lược được đề xuất:

1. Tích hợp mô hình ResNet-50 kết hợp LBP(8,1) vào các cổng xác thực định danh điện tử eKYC nhằm kéo giảm tỷ lệ lỗi phân loại trung bình ACER xuống dưới 2,0% trong quý 4 năm 2023, do đội ngũ kỹ sư phần mềm tại các ngân hàng thương mại và ví điện tử trực tiếp triển khai.
2. Chuẩn hóa quy trình kiểm định an toàn sinh trắc học theo tiêu chuẩn ISO/IEC 30107-3 cấp độ 2 với mục tiêu ngăn chặn 100% các cuộc tấn công giả mạo bằng màn hình máy tính bảng và giấy in khổ A3 trong 6 tháng đầu năm 2024, do trung tâm an ninh mạng và an toàn thông tin chủ trì thực hiện.
3. Tối ưu hóa trọng số tính toán của mô hình thông qua kỹ thuật lượng tử hóa mạng nơ-ron (quantization) để rút ngắn thời gian phản hồi xuống dưới 25 mili-giây trên mỗi khung hình, do nhóm kỹ sư nghiên cứu AI hoàn thành trong giai đoạn 2023 - 2024.
4. Mở rộng cơ sở dữ liệu huấn luyện nội địa với hơn 5.000 mẫu ảnh chân dung thực tế đa dạng sắc tộc, góc nghiêng và điều kiện ngược sáng nhằm duy trì tỷ lệ từ chối sai FRR dưới 1,2%, do các viện nghiên cứu khoa học máy tính phối hợp cùng doanh nghiệp công nghệ thực thi trong lộ trình 12 tháng kế tiếp.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị học thuật và ứng dụng thiết thực cho 4 nhóm đối tượng chính:

1. Kỹ sư thị giác máy tính và lập trình viên AI: Khai thác sơ đồ kiến trúc phối hợp đặc trưng sâu và rộng để ứng dụng trực tiếp vào pipeline phát hiện gian lận khuôn mặt với thời gian suy luận dưới 30 mili-giây trên các hệ thống nhúng và máy chủ biên.
2. Chuyên gia an ninh thông tin và quản trị hệ thống eKYC: Nắm bắt các phương thức phân loại tấn công cùng hệ chỉ số APCER, BPCER chuẩn ISO/IEC 30107-3 để xây dựng rào chắn bảo vệ an toàn cho hàng triệu giao dịch tài chính số mỗi ngày.
3. Học viên cao học và nghiên cứu sinh chuyên ngành Khoa học Máy tính: Sử dụng phương pháp luận nghiên cứu, kỹ thuật tiền xử lý LBP đa kênh và quy trình tinh chỉnh mạng ResNet trên các tập dữ liệu CASIA-FASD, MSU-MFSD làm tài liệu nền tảng cho các công trình công bố quốc tế.
4. Giám đốc sản phẩm và nhà quản trị công nghệ: Đánh giá hiệu quả kinh tế và trải nghiệm người dùng của công nghệ passive liveness, giúp nâng cao tỷ lệ chuyển đổi dịch vụ trực tuyến lên hơn 15% nhờ cắt bỏ các bước yêu cầu cử động rườm rà.

Câu hỏi thường gặp

Câu hỏi 1: Phương pháp chống giả mạo thụ động (passive liveness) có ưu thế gì so với phương pháp chủ động (active liveness)? Trả lời: Phương pháp thụ động chỉ yêu cầu một bức ảnh tĩnh duy nhất thay vì bắt buộc người dùng xoay đầu hay chớp mắt. Trong thực tế, giải pháp này giúp rút ngắn thời gian xử lý xuống dưới 1 giây, nâng cao trải nghiệm khách hàng và ngăn chặn triệt để các video phát lại đã cắt ghép cử chỉ tinh vi.

Câu hỏi 2: Tại sao việc kết hợp đặc trưng LBP và mạng ResNet lại cho độ chính xác cao hơn sử dụng riêng lẻ? Trả lời: Mạng ResNet-50 với hơn 23 triệu tham số trích xuất các đặc trưng ngữ nghĩa toàn cục, trong khi thuật toán LBP(8,1) phát hiện các biến đổi vi kết cấu cục bộ như vân giấy in hay sọc màn hình. Sự kết hợp bổ trợ này giúp giảm tỷ lệ lỗi ACER trên tập CASIA-FASD xuống 2,8%.

Câu hỏi 3: Bộ tiêu chuẩn ISO/IEC 30107-3 đánh giá hiệu năng phòng chống tấn công sinh trắc học qua các chỉ số nào? Trả lời: Tiêu chuẩn ISO/IEC 30107-3 áp dụng 3 thước đo chính: APCER đo lường tỷ lệ phân loại sai ảnh tấn công thành ảnh thật, BPCER đo lường tỷ lệ từ chối sai người thật, và ACER là trung bình cộng của APCER và BPCER nhằm phản ánh độ chính xác tổng quát của toàn hệ thống.

Câu hỏi 4: Mô hình đề xuất có hoạt động ổn định trên các camera có độ phân giải thấp không? Trả lời: Mô hình có khả năng thích ứng rất cao với nhiều mức phân giải. Kết quả thực nghiệm trên tập ROSE-YOUTU và MSU-MFSD với độ phân giải dao động từ 640x480 đến 1280x720 đều ghi nhận chỉ số lỗi ACER duy trì ổn định quanh mức 3,2%, bảo đảm độ tin cậy trên các thiết bị phổ thông.

Câu hỏi 5: Việc khảo sát các bán kính lân cận LBP (R = 1, 3, 5) mang lại kinh nghiệm kỹ thuật nào? Trả lời: Thiết lập bán kính R = 1 mang lại kết quả tối ưu nhất do bảo toàn các đặc trưng cục bộ mức pixel siêu nhỏ. Khi tăng bán kính lên R = 3 và R = 5, độ nhiễu không gian tăng lên khiến tỷ lệ lỗi ACER tăng thêm từ 0,4% đến 0,9% trên các tập dữ liệu kiểm tra.

Kết luận

Công trình nghiên cứu luận văn thạc sĩ đã giải quyết trọn vẹn bài toán phát hiện hình ảnh chân dung giả mạo thông qua các đóng góp nổi bật:

• Xây dựng thành công mô hình học sâu kết hợp đặc trưng sâu ResNet và đặc trưng rộng LBP(8,1) chỉ từ 1 bức ảnh tĩnh duy nhất.
• Đạt tỷ lệ lỗi phân loại trung bình ACER ấn tượng ở mức 2,8% trên tập dữ liệu chuẩn CASIA-FASD và duy trì hiệu năng cao trên MSU-MFSD, ROSE-YOUTU.
• Khắc phục triệt để hiện tượng quá khớp thường gặp ở mạng CNN truyền thống khi huấn luyện trên tập dữ liệu giả mạo giới hạn.
• Tuân thủ nghiêm ngặt các tiêu chuẩn kiểm định an toàn sinh trắc học quốc tế theo chuẩn ISO/IEC 30107-3.
• Tối ưu hóa trải nghiệm người dùng với cơ chế xác thực thụ động có thời gian xử lý siêu nhanh dưới 30 mili-giây.

Trong giai đoạn 2023 - 2025, lộ trình nghiên cứu tiếp theo sẽ tập trung mở rộng mô hình để phòng chống các loại mặt nạ 3D cao cấp và tích hợp trực tiếp lên các dòng chip biên thông minh. Độc giả quan tâm có thể tra cứu toàn văn luận văn tại Thư viện Trường Đại học Bách Khoa – Đại học Quốc gia TP. Hồ Chí Minh để cùng hợp tác, ứng dụng và phát triển giải pháp vào thực tế an ninh số!

Trích đoạn nội dung tài liệu

MỞ ĐẦU Ngày nay với sự phát triển của công nghệ đặc biệt trong lĩnh vực học sâu, những sản phẩm liên quan đến nhận diện gương mặt ngày càng được ứng dụng rộng rãi. Chúng ta thấy ứng dụng rất nhiều trong hệ thống giám sát an ninh, quản lý ra vào toà nhà, các hệ thống xác thực người dùng trong các giao dịch thanh toán hay mở các tài khoản ngân hàng, v. Công nghệ nhận dạng gương mặt dần thay thế các phương pháp xác thực truyền thống và phù hợp với sự chuyển dịch số ngày nay. Bên cạnh sự phát triển nhanh chóng cũng đi kèm những rủi ro về mặt an ninh bằng các phương pháp tấn công hệ thống để mạo danh người dùng.

Các hành vi này ngày càng tinh vi, từ việc sử dụng giấy in gương mặt với các chất liệu và màu sắc khác nhau đến sử dụng ảnh chụp qua màn hình với độ phân giải từ thấp đến cao. Tinh vi hơn, người tấn công còn sử dụng các loại mặt nạ từ 2D đến 3D nhằm qua mặt hệ thống. Bên cạnh các vật liệu tấn công, người ta còn biết cách tận dụng các điều kiện bên ngoài như ánh sáng, góc chụp, v. để tăng độ chân thật nhằm qua mặt hệ thống nhận diện gương mặt.1 dưới đây mô tả một số cách thức tấn công được ghi nhận như dùng mặt nạ (Hình 1.1a), giấy in (Hình 1.1d), qua màn hình (Hình 1.

Chính những rủi ro ngày càng lớn như vậy, việc phát triển một kỹ thuật nhằm chống lại các hình thức tấn công là điều hết sức cần thiết. Thuật ngữ chuyên ngành đề cập đến phương pháp này là chống giả mạo gương mặt (face anti-spoofing - FAS) hay còn có cách gọi khác là phát hiện độ chân thực của ảnh người dùng (liveness detection).1: Một số dạng tấn công từ tập dữ liệu ROSE-YOUTU [1] Lĩnh vực này ngày càng được quan tâm nhiều hơn trong những năm gần đây chính bởi sự cấp thiết nhằm ngăn chặn những hình thức tấn công ngày càng tinh vi.2 thể hiện thống kê số lượng công trình nghiên cứu ngày càng tăng đặc biệt trong 3 năm gần đây khi tìm các từ khoá liên quan trên Google Scholar gồm "face anti-spoofing", "face liveness detection" và "face presentation attack detection". Có hai cách tiếp cận chính cho vấn đề chống giả mạo gương mặt. Cách đầu tiên dựa trên đặc tính tường minh về sự chân thật đó là dựa trên chuyển động.

Bằng cách yêu cầu người dùng thực hiện các hành vi như chớp mắt, quay đầu, mỉm cười để phát hiện người thật. Cách tiếp cận này gọi là phát hiện ảnh gương mặt giả mạo dựa trên chuyển động (active liveness). Phương pháp này có hiệu quả đối với các dạng tấn công cơ bản như ảnh chụp nhưng không hiệu quả đối với các dạng tấn công phát lại các cử chỉ qua video hay sử dụng các loại mặt nạ. Cách tiếp cận thứ hai cố gắng phát hiện các đặc trưng về mặt hình ảnh để phân biệt đâu là ảnh chụp người thật và không yêu cầu bất kì hành động nào từ người dùng.

Phương pháp này gọi là phát hiện giả mạo thụ động (passive liveness). Passive liveness giúp trải nghiệm người dùng trở nên tốt hơn khi sử dụng các ứng dụng liên quan. Tuy vậy, phương pháp này cần đòi hỏi công nghệ phức tạp để có thể phân biệt ảnh chụp người thật chỉ dựa trên các ảnh tĩnh. Đây cũng là xu thế của cách tiếp cận 3 Hình 1.2: Số lượng bài báo khoa học công bố được tìm theo keyword "face anti- spoofing", "face liveness detection" và "face presentation attack detection" trên Google Scholar [2] ngày nay.