HAMZANWADIHAMZANWADI

Edumatic: Jurnal Pendidikan InformatikaEdumatic: Jurnal Pendidikan Informatika

Serangan presentasi, yang umumnya dikenal sebagai pencucian wajah, tetap menjadi tantangan keamanan utama dalam sistem otentikasi berbasis pengenalan wajah karena media palsu seperti foto cetak dan video rekaman dapat menipu verifikasi biometrik. Model CNN ringan seperti MobileNetV2 cocok untuk implementasi praktis, tetapi kemampuan representasinya yang terbatas dapat memengaruhi kemampuannya dalam menangkap petunjuk pencucian yang halus dan generalisasi ke identitas yang tidak dikenal. Evaluasi sebelumnya mungkin menghasilkan estimasi kinerja yang berlebihan ketika gambar dari identitas yang sama muncul di set pelatihan dan pengujian. Studi ini mengevaluasi Distilasi Pengetahuan dan optimasi hiperparameter berbasis Optuna pada MobileNetV2 untuk deteksi anti-pencucian wajah yang ringan di bawah protokol evaluasi berbasis identitas. Kebaruan terletak pada perbandingan berbasis identitas antara peningkatan representasi melalui Distilasi Pengetahuan berbasis EfficientNet-B0 dan peningkatan berbasis optimisasi melalui Optuna. Sebanyak 60.000 gambar CelebA-Spoof dibagi dengan pembagian subjek 80:10:10, dan empat skenario dibandingkan. MobileNetV2 dasar mencapai keseimbangan keseluruhan terbaik, dengan akurasi 0,9943, F1-score 0,9958, dan ACER 0,0058. Sementara itu, Distilasi Pengetahuan mencapai APCER terendah 0,0035, menunjukkan sedikit sampel pencucian yang salah diterima sebagai hidup di bawah pengaturan evaluasi berbasis identitas.

Studi ini menyimpulkan bahwa peningkatan representasi melalui Distilasi Pengetahuan dan peningkatan berbasis optimisasi melalui Optuna memengaruhi deteksi anti-pencucian wajah berbasis MobileNetV2 dengan cara yang berbeda di bawah protokol evaluasi berbasis identitas.MobileNetV2 dasar mencapai kinerja keseluruhan yang paling seimbang, sedangkan Distilasi Pengetahuan memberikan manfaat yang lebih berfokus pada keamanan dengan mengurangi sampel pencucian yang salah diterima sebagai hidup.Temuan ini mendukung pandangan bahwa model CNN ringan membutuhkan panduan representasi yang lebih kuat untuk menangkap petunjuk pencucian yang halus, sementara penggunaan pemisahan berbasis identitas memberikan evaluasi yang lebih ketat dengan mengurangi kebocoran identitas dan menguji generalisasi subjek yang tidak dikenal.Secara praktis, uji eksekusi ONNX dan prototipe Android menunjukkan kelayakan implementasi, tetapi bukan kesiapan pengembangan penuh.

Penelitian lanjutan dapat mengembangkan evaluasi lintas domain untuk menguji generalisasi model pada data yang berbeda dari CelebA-Spoof. Selain itu, pengujian pada perangkat nyata dapat mengevaluasi stabilitas dan keandalan model dalam lingkungan autentikasi nyata. Penelitian juga dapat mengeksplorasi penggunaan model pengajar alternatif selain EfficientNet-B0 untuk meningkatkan kinerja distilasi pengetahuan, serta mengembangkan pendekatan optimisasi hiperparameter yang lebih adaptif terhadap variasi kondisi pengambilan gambar.

  1.  . 0 mdpi.com/2227-7390/13/16/2609A 0 mdpi 2227 7390 13 16 2609
  2.  . 0 doi.org/10.3390/s24237635A 0 doi 10 3390 s24237635
Read online
File size785.12 KB
Pages10
DMCAReport

Related /

ads-block-test