Am 29. September unterzeichneten WuHan Homsh Technology Co., Ltd. und die Wuhan University of Science and Technology offiziell den technischen Entwicklungsvertrag zur Entwicklung und Edge-Side-Anpassung des Iris Presentation Attack Detection (PAD)-Algorithmus. Über einen Zeitraum von 8 Monaten werden die beiden Parteien gemeinsam einen Iris-Anti-Spoofing-Algorithmus entwickeln, der nur ein einziges Bild einer Nahinfrarot-Augenaufnahme benötigt und keine zusätzliche Hardware erfordert, und ihn direkt auf den C20-Iris-Terminals und MD31-Iris-Erkennungsmodulen von Homsh einsetzen.
Genaue Erkennung ist nur die halbe Miete bei der Iriserkennung; die andere Hälfte besteht darin, zuerst zu bestätigen, dass das, was sich vor der Kamera befindet, ein echtes menschliches Auge ist.
Die Irisstruktur ist stabil und schwer zu replizieren, was sie zu einem der sichersten biometrischen Merkmale weltweit macht. Aber "schwer zu replizieren" bedeutet nicht "niemand versucht es": gedruckte Iris-Fotos, Kontaktlinsen mit Textur, 3D-Prothesenaugen und auf Bildschirmen wiedergegebene Augen-Videos sind alles Fälschungen, die Angreifer der Kamera vorhalten könnten. In der Branche werden solche Angriffe als "Presentation Attacks" bezeichnet, und die Technologie zu deren Erkennung ist als PAD bekannt.
Die Schwierigkeit liegt in der ständigen Weiterentwicklung der Angriffsmethoden. Viele bestehende Lösungen funktionieren gut gegen Angriffstypen, die im Training gesehen wurden, aber ihre Erkennungsraten sinken erheblich, wenn sie auf neue Kontaktlinsenmaterialien, neue Arten von Prothesenaugen oder höherauflösende Bildschirme stoßen. Andere Lösungen verlassen sich auf multispektrale Beleuchtung, strukturiertes Licht oder Mehrbild-Videos zur Bestimmung der Lebendigkeit – während dies effektiv ist, erhöht es auch die Geräte- und Erkennungskosten. Darüber hinaus führen strengere Anti-Spoofing-Maßnahmen zu höheren Falschrückweisungsraten für echte Benutzer, und hochpräzise Modelle sind schwer in eingebettete Chips zu integrieren. Diese Widersprüche sind genau die harten Nüsse, die diese Zusammenarbeit zu knacken versucht.
Die Arbeitsteilung für diese Zusammenarbeit ist klar. Das Forschungsteam der Wuhan University of Science and Technology ist verantwortlich für die unabhängige Forschung und Implementierung des Algorithmus, einschließlich des Aufbaus von Datensätzen für Angriffsproben, des Designs von Diskriminierungsmodellen sowie der Modelloptimierung, Quantisierung und Anpassung an Edge-Geräte. Homsh stellt C20-Iris-Terminals und MD31-Iris-Erkennungsmodule bereit, übernimmt die Geräteintegration und -debugging und organisiert zwei Stufen der Abnahmetests.
Universitäten glänzen in der Algorithmusforschung, während Unternehmen reale Geräte und Anwendungsszenarien bereitstellen, mit zweistufigen Abnahmeprüfungen zur Sicherstellung der Qualität der Ergebnisse. 4 Hauptangriffstypen, 2 Einsatzplattformen, 8-monatiger F&E-Zyklus.
Das Projekt setzt sich eine strenge Voraussetzung: die Identifizierung mehrerer Angriffstypen, einschließlich gedruckter Iris, Kontaktlinsen mit Textur, 3D-Prothesenaugen und Bildschirmwiedergabe, nur anhand eines einzigen monokularen Nahinfrarot-Graustufen-Augenbildes mit einer Auflösung von 640x480, ohne zusätzliche Hardware. Gleichzeitig zielt es darauf ab, eine hohe Angriffsdetektionsrate zu erzielen und gleichzeitig die Falschrückweisungsrate für echte Benutzer streng zu kontrollieren.
Rund um dieses Ziel haben die beiden Parteien vier F&E-Richtungen definiert: gleichzeitige Charakterisierung von Irisstruktur, Kantenstruktur und spiegelnder Reflexion mit Multi-Skalen-Merkmalen, um subtile Unterschiede in Material und Bildgebung zwischen echten Augen und Fälschungen zu erfassen; Anwendung von "Leave-One-Attack-Type-Out"-Training und Open-Set-Diskriminierung zur Verbesserung der Anpassungsfähigkeit an "unbekannte Angriffe"; Integration von quantisierungsbewusstem Training und strukturiertem Pruning in den Trainingsprozess, um sicherzustellen, dass das Modell bei der Komprimierung auf eingebettete Chips genau bleibt; und schließlich die Sicherstellung einer glaubwürdigen Bewertung aus der Datenquelle.
Vier F&E-Richtungen, die die gesamte Kette von Merkmalen, Generalisierung, Bereitstellung und Daten abdecken.
Irisinformationen sind sensible persönliche Daten. Jede reale Person, die an dem Projekt teilnimmt, wird individuell über den Zweck der Daten, die Speicherfrist und ihre Rechte informiert und unterzeichnet individuell eine schriftliche Einverständniserklärung mit dem Recht, diese jederzeit zu widerrufen. Alle Daten werden während des gesamten Prozesses verschlüsselt gespeichert, und für alle Vorgänge werden Zugriffsprotokolle geführt.
Die Bewertung folgt ebenfalls strengen Regeln: Die Stichproben werden nach Subjekt und Angriffsquelle gruppiert, und Stichproben aus derselben Quelle erscheinen nicht gleichzeitig im Trainings- und Testdatensatz. Der unabhängige Testdatensatz wird von Homsh versiegelt und aufbewahrt, und Selbsttest-Ergebnisse der F&E-Partei können die Abnahmetests nicht ersetzen. Die Leistung wird ausschließlich anhand unbekannter Daten beurteilt.
Der Algorithmus wird letztendlich auf zwei Plattformen laufen: auf der PC-Seite für die Verwendung mit Homsh C20 Iris-Terminals; und auf der RK3588-Plattform als Hauptcontroller für MD31 Iris-Erkennungsmodule, wobei der Algorithmus direkt im Modul läuft. Das Projekt schreitet gemäß vier Meilensteinen voran: Die Zwischenabnahme bewertet die Algorithmusgenauigkeit, während die Endabnahme das Pruning und die Quantisierung, die Dual-Plattform-Bereitstellung und die Integration in reale Geräte bewertet.
Acht Monate, vier Meilensteine, jeder mit klaren Ergebnissen und Bestätigungsmethoden.
Von selbst entwickelten Iriserkennungs-Chips bis hin zur Einbettung der gesamten Erkennungspipeline in Edge-Geräte hat sich Homsh stets einer Mission verschrieben: die Identitätsauthentifizierung vertrauenswürdiger zu machen. Die Anti-Spoofing-Fähigkeit ist der kritischste Teil der "Vertrauenswürdigkeit".
Diese Zusammenarbeit mit der Wuhan University of Science and Technology vereint die Forschungskompetenz von Universitäten und die Produktszenarien von Unternehmen. Wir freuen uns darauf, in acht Monaten einen selbstkontrollierbaren Iris-Anti-Spoofing-Algorithmus zu liefern, der direkt in Terminals integriert werden kann. Wir begrüßen auch weitere Universitäten und Forschungsteams, um mit Homsh zu kommunizieren und zusammenzuarbeiten.
