Lisensierbare datasett som dekker 3D-maske-, sminke- og replay-presentasjonsangrep – uten annotering, med valgfri merking og kvalitetssikring.
3D-datasett for ansiktsutstillingsdukke for liveness-deteksjon – 1,000 bilder. Oppført under datasett for anti-spoofing og liveness-deteksjon, og egnet for trening av ansiktsanti-spoofing, liveness-deteksjon og presentasjonsangrepsdeteksjon (PAD).
Datasett for avansert anti-spoofing-papirangrep for iBeta nivå 2 – videoer som dekker fire forskjellige avanserte papirangrepstyper for liveness-deteksjon. Oppført under datasett for anti-spoofing og liveness-deteksjon, og egnet for opplæring i liveness-deteksjon og presentasjonsangrepsdeteksjon (PAD), og forberedelse til iBeta nivå 2-sertifisering.
iBeta- og datasett for videoer med barneansikt – 45 600 videoer av voksne og barnedeltakere av europeisk etnisitet. Oppført under datasett for anti-spoofing og liveness-deteksjon, og egnet for trening i modeller for anti-spoofing av ansikter, liveness-deteksjon og presentasjonsangrepsdeteksjon (PAD), inkludert forberedelse til iBeta-sertifisering.
iBeta Nivå 1-papirangrep fanget med et dobbeltkameraoppsett: et infrarødt (IR) kamera pluss et RGB-webkamera for PC og nettbasert onboarding. Hvert eksempel inneholder en synkronisert IR-kanal og en standard RGB-visning for webkamera, som dekker ekte opptak og fire papirparodivariasjoner: utskrift og utklipp, sylinder, på-skuespiller og 3D-papirmasker. Utviklet for ISO/IEC 30107-3 PAD Nivå 1-forhåndsevaluering i en PC eller nettbasert onboarding-flyt – en webapplikasjon som nås via et stasjonært webkamera (IR + RGB).
iBeta nivå 1 datasett for papirmaskeangrep – 22 000 videoer for deteksjon av ansiktslivlighet og anti-spoofing. Oppført under datasett for anti-spoofing og liveness detection, og egnet for opplæring i liveness detection og presentasjonsangrepsdeteksjon (PAD), og forberedelse til iBeta nivå 1-sertifisering.
iBeta Nivå 1 – 3,000 videoer av delvise 2D-papirmaskeangrep fra 50 deltakere, tatt opp på en Galaxy A54 og en iPhone 14 Pro. Bygget for trening og evaluering av systemer for anti-forfalskning av ansikter, deteksjon av liveness og deteksjon av presentasjonsangrep.
iBeta Nivå 1 videodatasett – 35 800 videoer som dekker deltakere av asiatisk, europeisk og afrikansk etnisitet. Oppført under datasett for anti-spoofing og liveness detection, og egnet for trening i ansikts-anti-spoofing, liveness detection og presentation attack detection (PAD), samt forberedelse til iBeta Nivå 1-sertifisering.
iBeta nivå 2 – et datasett for angrep med tøymasker for anti-spoofing og liveness-deteksjon, med mer enn 11 000 videoer av elastiske tekstilmasker med trykte ansikter, tatt opp på en Samsung S23 og en iPhone 14 Pro. Det faller inn under ISO 30107-3 nivå 2-angrepskategorien og støtter forberedelse til iBeta nivå 2-sertifisering.
3,000 videoer fra 50 deltakere i angrep med trykte pappmasker og ekte tilbehør som parykker, hatter og briller. Innspilt på iPhone 12-, iPhone 14 Pro- og Samsung S23-enheter. Bygget for trening og evaluering av systemer for anti-forfalskning av ansikter, deteksjon av liveness og deteksjon av presentasjonsangrep.
Et omfattende biometrisk datasett for iBeta Level 2-opplæring i liveness-deteksjon og forskning mot forfalskning. Vektleggingen er på 3D-angrep (masker) og bevegelser for aktiv liveness (zoom inn og zoom ut, mikrobevegelser), med høy variasjon av enheter og forhold og et stort mangfold av subjekter.
iBeta nivå 2 videodatasett – 45 522 videoer av deltakere av europeisk etnisitet. Oppført under datasett for anti-spoofing og liveness detection, og egnet for trening i ansikts-anti-spoofing, liveness detection og presentation attack detection (PAD), samt forberedelse til iBeta nivå 2-sertifisering.
iBeta Level 3 datasett for angrep med gummimasker med høy kvalitet – 1,000 videoer for deteksjon av liveness-effekter av angrep med høy kvalitet. Oppført under datasett for anti-spoofing og liveness-deteksjon, og egnet for opplæring i liveness-deteksjon og presentasjonsangrepsdeteksjon (PAD), og forberedelse til iBeta Level 3.
Et første datasett mot forfalskning på markedet for iBeta Level 3-sertifiseringstesting, med mer enn 10 000 angrepsvideoer som bruker 12 eller flere premium harpiksmasker – den mest avanserte og realistiske angrepstypen i PAD-taksonomien.
Et datasett mot forfalskning som dekker live-økter, avspilling, klipp, utskrift og 3D-maskeangrep for storskala ansikts-anti-forfalskning. Det leverer en enkelt, komplett ressurs for trening og benchmarking av systemer for ansiktslivlighetsdeteksjon. Ved å samle live-økter og elleve realistiske presentasjonsangrepsklasser i én samling, akselererer det utviklingen mot iBeta Level 1/2-samsvar og styrker modellens robusthet mot hele spekteret av forfalskningstaktikker.
Lateksmaskedatasett for ansiktsbeskyttelse mot forfalskning og liveness-deteksjon – 5,000 videoer. Oppført under datasett for beskyttelse mot forfalskning og liveness-deteksjon, og egnet for liveness-deteksjon og trening av presentasjonsangrepsdeteksjon (PAD).
Et datasett for liveness-deteksjon av videoangrep ved bruk av trykte 2D-masker. Det fokuserer på angrep med utklipp av fotoutskrifter av den typen som brukes av iBeta og NIST FATE for å vurdere algoritmer for liveness-deteksjon, og er skreddersydd for å trene AI-modeller for å identifisere variasjoner av angrepet med utklipp av 2D-utskrifter.
Liveness-deteksjon: replay-angrep. Mer enn 5,000 videoer av display-replay-monitorangrep som varer i 12 sekunder eller lenger, sammen med ekte bilder. Angrepene gir et mangfold av belysning, enheter og skjermer.
Et datasett for deteksjon av liveness-angrep utført på mobile enheter. Det består av 1,500 individer som tok selfier, etterfulgt av 3,000 angrep utført på tvers av 15 forskjellige mobile enheter. Angrepene fanges opp på et bredt spekter av mobiltelefoner i lav-, mellom- og høyprissegmentet, noe som gir omfattende variasjon i skjermtyper, lysforhold og miljøforhold.
Ansiktsbildedatasett av deltakere med briller, ansiktsmasker og solbriller, tatt innendørs og utendørs med full 360-graders hoderotasjon. Dekker kinesiske, hvite, svarte, indiske, sørøstasiatiske og Midtøsten-personer. Egnet for okklusjonsrobust ansiktsgjenkjenning, ansiktsgjenkjenning under delvis dekning og trening av modeller for estimering av hodepositur.
Et datasett for angrep med papirmasker for trening av PAD- og liveness-deteksjonsmodeller mot rimelig 3D-forfalskning, med mer enn 2,000 videoer tatt opp på iOS- og Android-enheter. Det faller inn under angrepskategorien ISO 30107-3 nivå 1/2.
Et spesialisert datasett for anti-forfalskning av ansikter med personlige angrep med harpiksmasker som er rettet mot ansiktsgjenkjenningssystemer og biometrisk autentisering. Dette unike datasettet bruker spesialproduserte ansiktsmasker av gummi som er designet for å gjenskape spesifikke individers ansiktstrekk med høy presisjon.
Et datasett for angrep på fotoutskrifter som dekker mer enn 3,000 individer, for Presentation Attack Detection (PAD) nivå 1. Dette biometriske angrepsdatasettet bruker angrep på fotoutskrifter, som både iBeta og NIST FATE bruker når de vurderer algoritmer for deteksjon av liveness, og er skreddersydd for å trene AI-modeller for å identifisere angrep på fotoutskrifter på individer. Angrepene på fotoutskrifter inkluderer zoomeffektene som er pålagt av NIST FATE for forbedret AI-trening.
Et datasett mot forfalskning med mer enn 12 500 angrepsvideoer med 18 hyperrealistiske silikonmasker. Utviklet for trening av modeller for deteksjon av liveness og presentasjonsangrep (PAD) rettet mot iBeta nivå 2-sertifisering.
Et datasett for PAD og liveness-deteksjon med tre klasser av presentasjonsangrep: pappmasker med utskårne øyne, elastiske tekstilmasker med fullfarget ansiktsutskrift og 3D-masker i full størrelse av lateks. Masketypene ble valgt på grunnlag av angrepsscenarier fra den virkelige verden.
Dette datasettet er utviklet for å forbedre modeller for liveness-deteksjon ved å simulere wrapped 3D-angrep – en mer avansert versjon av 3D-utskriftsangrep, der ansiktsutskrifter inkluderer 3D-elementer og tilleggsattributter. Det er spesielt nyttig for iBeta Level 2-sertifisering og trening av anti-spoofing-modeller.
