মুখের স্বীকৃতি মডেলের উপর একটি কেস স্টাডি
জালিয়াতি সনাক্তকরণ এআই মডেলের জন্য অ্যান্টি-স্পুফিং ভিডিও ডেটাসেট
জালিয়াতি সনাক্তকরণের জন্য AI মডেলগুলিকে প্রশিক্ষণ দেওয়ার জন্য Shaip কীভাবে 25,000টি উচ্চ-মানের অ্যান্টি-স্পুফিং ভিডিও ডেটাসেট সরবরাহ করেছে তা আবিষ্কার করুন। এতে বাস্তব এবং পুনরায় চালানো আক্রমণের দৃশ্যপট রয়েছে।
প্রজেক্ট সারসংক্ষেপ
জালিয়াতি সনাক্তকরণের জন্য AI মডেল প্রশিক্ষণ উন্নত করার জন্য ডিজাইন করা একটি উচ্চ-মানের, অফ-দ্য-শেল্ফ অ্যান্টি-স্পুফিং ভিডিও ডেটাসেট সরবরাহ করার জন্য Shaip একটি শীর্ষস্থানীয় AI নিরাপত্তা সংস্থার সাথে অংশীদারিত্ব করেছে। ডেটাসেটে 25,000টি ভিডিও অন্তর্ভুক্ত ছিল যা বাস্তব এবং পুনরায় চালানো আক্রমণের দৃশ্যপট ধারণ করে, যা অ্যান্টি-স্পুফিং মডেলগুলির জন্য শক্তিশালী প্রশিক্ষণ ডেটা নিশ্চিত করে।
প্রতিটি 12,500 অংশগ্রহণকারী দুটি ভিডিও অবদান রেখেছেন—একটি রিয়েল এবং একটি রিপ্লে আক্রমণ—রেকর্ড করা হয়েছে ৭২০পি বা তার বেশি রেজোলিউশন ফ্রেম রেট সহ ২৬ FPS এবং তার উপরে.
প্রকল্পের লক্ষ্য ছিল প্রদান করা খাঁটি এবং বৈচিত্র্যময় ডেটাসেট যা এআই মডেলগুলিকে বাস্তব এবং জাল বায়োমেট্রিক ভিডিওর মধ্যে কার্যকরভাবে পার্থক্য করতে সক্ষম করবে, যার ফলে বায়োমেট্রিক প্রমাণীকরণ ব্যবস্থায় জালিয়াতির ঝুঁকি হ্রাস পাবে।
মূল পরিসংখ্যান
25,000 মোট ভিডিও (12,500 বাস্তব ভিডিও, 12,500 আক্রমণের ভিডিওগুলি পুনরায় চালান)
12,500 অনন্য
অংশগ্রহণকারীদের
5 জাতিগত গোষ্ঠী
ডেটাসেটে উপস্থাপিত
পর্যায়ক্রমে ডেলিভারি: 4 এর ব্যাচ 6,250 প্রতিটি ভিডিও
মেটাডেটা বৈশিষ্ট্য: 12 উন্নত ডেটাসেট ব্যবহারযোগ্যতার জন্য মূল পরামিতি
অ্যান্টি-স্পুফিং বায়োমেট্রিক ডেটাসেট স্কোপ
ডেটাসেট কিউরেশন: প্রকল্পটি উচ্চমানের অ্যান্টি-স্পুফিং ভিডিও ডেটাসেট সরবরাহের উপর দৃষ্টি নিবদ্ধ করেছিল যার মধ্যে রয়েছে বাস্তব এবং রিপ্লে আক্রমণ ভিডিও। মূল দিকগুলি অন্তর্ভুক্ত:
- 12,500 অংশগ্রহণকারী অবদান দুটি করে ভিডিও (১টি আসল, ১টি নকল)।
- রেকর্ডিং ডিভাইসের বৈচিত্র্য মডেল অভিযোজনযোগ্যতা উন্নত করতে।
- সুষম জাতিগত প্রতিনিধিত্ব ডেটাসেটের অন্তর্ভুক্তি নিশ্চিত করতে।
মেটাডেটা সংগ্রহ: প্রতিটি ভিডিওর সাথে ছিল ১২টি মেটাডেটা বৈশিষ্ট্য ডেটাসেটের ব্যবহারযোগ্যতা উন্নত করতে।
ভিডিও ডেটা সংগ্রহের চ্যালেঞ্জ
উচ্চমানের ভিডিও সংগ্রহের সময় জাতিগতভাবে তথ্য বিতরণের ভারসাম্য বজায় রাখা।
ডেটাসেটের অখণ্ডতা বজায় রাখার জন্য প্রতিটি অংশগ্রহণকারী একটি রিয়েল এবং একটি রিপ্লে অ্যাটাক ভিডিও অবদান রাখছেন তা নিশ্চিত করা।
FPS (≥ 26), রেজোলিউশন (≥ 720p), এবং টাইমস্ট্যাম্প নির্ভুলতা (+/- 0.5ms) এর জন্য কঠোর নির্দেশিকা মেনে চলা।
আমরা এটি কীভাবে সমাধান করেছি
প্রকল্পের প্রয়োজনীয়তা পূরণের জন্য শাইপ একটি কাঠামোগত এবং উচ্চ-মানের ডেটাসেট সরবরাহ করেছে। সমাধানের মধ্যে রয়েছে:
ডেটাসেট কিউরেশন এবং মান নিয়ন্ত্রণ
- 25,000 ভিডিওগুলি জুড়ে সংগৃহীত 4 পর্যায়গুলি বাধা এড়িয়ে একটি স্থিতিশীল এবং কাঠামোগত ডেটা প্রবাহ নিশ্চিত করা।
- কঠোর যাচাইকরণ প্রক্রিয়া সাথে সম্মতি নিশ্চিত করতে FPS, রেজোলিউশন এবং মেটাডেটা নির্ভুলতা। চূড়ান্ত গ্রহণের আগে প্রতিটি ভিডিও একাধিক গুণমান পরীক্ষা করা হয়েছে।
- ব্যাপক মেটাডেটা ট্যাগিং সঙ্গে ১২টি বৈশিষ্ট্য:
- ফাইল আইডি/নাম
- আক্রমণের ধরণ (রিয়েল/রিপ্লে)
- ব্যক্তি আইডি
- ভিডিও রেজল্যুশন
- ভিডিও সময়কাল
- বিষয়ের জাতিগততা
- বিষয়ের লিঙ্গ
- ভিডিওটি আসল নাকি নকল
- ডিভাইসের নাম/মডেল
- ব্যক্তি কথা বলছেন কি বলছেন না
- টাইমস্ট্যাম্প শুরুর সময়
- টাইমস্ট্যাম্প সমাপ্তির সময়
- সুষম জাতিগত গোষ্ঠী বন্টন: ভারসাম্যপূর্ণ জাতিগত প্রতিনিধিত্ব বজায় রাখার জন্য ডেটাসেটটি অত্যন্ত সতর্কতার সাথে তৈরি করা হয়েছিল। বিতরণের মধ্যে রয়েছে হিস্পানিক (৩৩%), দক্ষিণ এশীয় (২১%), ককেশীয় (২০%), আফ্রিকান (১৫%), এবং পূর্ব এশীয় ও মধ্যপ্রাচ্যের জনসংখ্যা (প্রতিটি ৬% পর্যন্ত)।
- কোনও ডুপ্লিকেট এন্ট্রি নেই ডেটাসেটের স্বতন্ত্রতা বজায় রাখা এবং AI প্রশিক্ষণে পক্ষপাত রোধ করা।
- জাতিগতভাবে বৈচিত্র্যময় অংশগ্রহণকারী নির্বাচন এমন একটি ডেটাসেট তৈরি করা যা বাস্তব-বিশ্বের ব্যবহারকারীর বৈচিত্র্য প্রতিফলিত করে, AI মডেলের অভিযোজনযোগ্যতা এবং ন্যায্যতা উন্নত করে।
- রেকর্ডিং ডিভাইসের বৈচিত্র্য বিভিন্ন পরিবেশগত পরিবেশের বিরুদ্ধে মডেলের দৃঢ়তা বৃদ্ধির জন্য একাধিক স্মার্টফোন মডেল, ক্যামেরা এবং আলোর অবস্থা অন্তর্ভুক্ত করা হয়েছে।
ফলাফল
Shaip দ্বারা সরবরাহিত উচ্চ-মানের, বৈচিত্র্যময় অ্যান্টি-স্পুফিং ভিডিও ডেটাসেট ক্লায়েন্টকে বিভিন্ন বায়োমেট্রিক প্রমাণীকরণ পরিস্থিতিতে আসল এবং জাল ভিডিওর মধ্যে সঠিকভাবে পার্থক্য করার জন্য AI মডেলগুলিকে প্রশিক্ষণ দিতে সক্ষম করেছে। ডেটাসেটটি এতে অবদান রেখেছে:
প্রতারণামূলক বায়োমেট্রিক আক্রমণ সনাক্তকরণে উন্নত AI কর্মক্ষমতা।
বিভিন্ন জাতি, ডিভাইস এবং পরিবেশগত পরিস্থিতিতে রিপ্লে আক্রমণ সনাক্ত করার জন্য মডেলের ক্ষমতাকে শক্তিশালী করা হয়েছে।
এই ডেটাসেট ভবিষ্যতের অ্যান্টি-স্পুফিং মডেলের বর্ধন এবং সম্প্রসারণের ভিত্তি হিসেবে কাজ করবে।
আমাদের AI-চালিত অ্যান্টি-স্পুফিং মডেলগুলিকে উন্নত করতে Shaip-এর ডেটাসেট গুরুত্বপূর্ণ ভূমিকা পালন করেছে। বৈচিত্র্য, গুণমান এবং কাঠামোগত মেটাডেটা বায়োমেট্রিক প্রমাণীকরণ সিস্টেমে জালিয়াতি সনাক্তকরণ উন্নত করার জন্য একটি শক্তিশালী ভিত্তি প্রদান করেছে।
