Opis projektu
Nowa metoda zabezpieczania dokumentów
Unia Europejska kładzie duży nacisk na bezpieczeństwo dokumentów podróżnych i tożsamości. Poprawa bezpieczeństwa jest jednak sporym wyzwaniem z racji tego że proceder fałszowania dokumentów – ich podrabianie oraz manipulowanie urządzeniami i technologiami chroniącymi przed fałszerstwem – zmienia się w niezwykle szybkim tempie. Ważną rolę w tym kontekście odgrywa wykorzystanie bardziej zaawansowanych systemów kontroli dokumentów. W ramach finansowanego ze środków UE projektu PRINTOUT powstanie nowa metoda łączenia i grupowania różnych podejść do uczenia maszynowego z uwzględnieniem szeregu scenariuszy dochodzeniowych i tworzenia klasyfikatorów, które zmniejszą ryzyko ataków. Mówiąc dokładniej, twórcy projektu zaproponowali wykorzystanie klasyfikatorów zbiorów otwartych. Zamierzają ponadto znaleźć rozwiązania dla szeregu zastosowań z dziedziny ekspertyz kryminalistycznych dokumentów drukowanych w kontekście ustalania źródła dokumentów, ich podrabiania i wykrywania nielegalnych kopii.
Cel
With the extensive range of document generation devices nowadays, the establishment of computational techniques to find manipulation, detect illegal copies and link documents to their source are useful because (i) finding manipulation can help to detect fake news and manipulated documents; (ii) exposing illegal copies can avoid frauds and copyright violation; and (iii) indicating the owner of an illegal document can provide strong arguments to the prosecution of a suspect. Different machine learning techniques have been proposed in the scientific literature to act in these problems, but many of them are limited as: (i) there is a lack of methodology, which may require different experts to solve different problems; (ii) the limited range of known elements being considered for multi-class classification problems such as source attribution, which do not consider unknown classes in a real-world testing; and (iii) they don’t consider adversarial attacks from an experienced forger. In this research project, we propose to address these problems on two fronts: resilient characterization and classification. In the characterization front, we intend to use multi-analysis approaches. Proposed by the candidate in his Ph.D. research, it is a methodology to fuse/ensemble machine learning approaches by considering several investigative scenarios, creating robust classifiers that minimize the risk of attacks. Additionally, we aim at proposing the use of open-set classifiers, which are trained to avoid misclassification of classes not included in the classifier training. We envision solutions to several printed document forensics applications with this setup: source attribution, forgery of documents and illegal copies detection. All the approaches we aim at creating in this project will be done in partnership with a document authentication company, which will provide real-world datasets and new applications.
Dziedzina nauki
Program(-y)
Temat(-y)
System finansowania
MSCA-IF-EF-ST - Standard EFKoordynator
53100 Siena
Włochy