ОБНАРУЖЕНИЕ СПУФИНГ-АТАК НА ОСНОВЕ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ И ЦВЕТОВЫХ ПРОСТРАНСТВ УДК 004.056.57

Основное содержание статьи

Ирина Анатольевна Михалева Email: i.mixalyova@yandex.ru
Даниил Сергеевич Салита Email: d.s.salita@gmail.com

Аннотация

В статье описана разработка метода обнаружения спуфинг-атак на основе сверточных нейронных сетей и цветовых пространств.Были разработаны две архитектуры сверточных нейронных сетей (CNN), с применением различных цветовых пространств.Первая архитектура имеет один входной слойдля одного цветового пространства. Втораяархитектура имеет два параллельных входных слоя для двух цветовых пространств.Были обучены следующие модели: RGB,CMYK, YCbCr, HSV, RGB+YCbCr, RGB+HSV,RGB+CMYK, YCbCr+CMYK, YCbCr+HSV,HSV+CMYK. Модели обучались на двух датасетах: OpenForensics Dataset и Dataset Nvidia& StyleGAN. Было выявлено, что все разработанные модели показывают достаточновысокие результаты в обнаружении сгенерированных изображений. Результаты работымогут быть применены для обнаружения сгенерированных изображений с помощью сверточных нейронных сетей и цветовых пространств.

Скачивания

Данные скачивания пока недоступны.

Детали статьи

Как цитировать
1. Михалева И. А., Салита Д. С. ОБНАРУЖЕНИЕ СПУФИНГ-АТАК НА ОСНОВЕ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ И ЦВЕТОВЫХ ПРОСТРАНСТВ // ПРОБЛЕМЫ ПРАВОВОЙ И ТЕХНИЧЕСКОЙ ЗАЩИТЫ ИНФОРМАЦИИ, 2026. № 13. С. 42-49. URL: https://journal.asu.ru/ptzi/article/view/18849.
Раздел
Проблемы технического обеспечения информационной безопасности

Литература

1. Mo S., Lu P., Liu X. AI-Generated Face Image Identification with Different Color Space Channel Combinations // Sensors. 2022. Vol. 22(21). Р. 8228.

2. Ennehar B.C., Brahim O., Hicham T. An Appropriate Color Space to Improve Human Skin Detection // INFOCOMP Journal of Computer Science. 2010. Vol. 9(4). Р. 1–10.

3. Dariusz J.S., W. Miziolek. Human colour skin detection in CMYK colour space // IET Image Processing. 2015. Vol. 9. Р. 751–757.

4. Manjare S., Chougule S.R. Skin Detection for Face Recognition Based on HSV Color Space // International Journal of Engineering Sciences & Research Technology. 2013. Vol. 2(7).

5. Khamar Basha Shaika, Ganesan P., Kalist V., Sathish B.S., Merlin J. Mary Jenitha. Comparative Study of Skin Color Detection and Segmentation in HSV and YCbCr Color Space // Procedia Computer Science 57. 2015. P. 41–48.


6. Dubey S.R., S.K Singh, B.B Chaudhuri. Activation functions in deep learning: A comprehensive survey and benchmark // Neurocomputing. 2022. Vol. 503. P. 92–108.

7. Szandała T. Review and comparison of commonly used activation functions for deep neural networks // Bio-inspired neurocomputing. 2021. Vol. 1. Р.203–224.

8. Bhatt D., C. Patel, H. Talsania, J. Patel, R. Vaghela, S. Pandya and H. Ghayvat. CNN variants for computer vision: History, architecture, application, challenges and future scope // Electronics. 2021. Vol. 10. N. 20. P. 2470.

9. Balamurali K., Chandru S., Razvi M.S., Sathiesh V. Kumar. Face Spoof Detection Using VGG-Face Architecture // Journal of Physics: Conference Series. 2021. Vol. 1917. N. 1. P. 12010.

10. Yang Z, Xu Q, Bao S, Cao X, Huang Q. Learning with multiclass AUC: Theory and algorithms // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2021. Vol. 44. Р. 7747–7763.