Passport Synthetic Dataset

Passport Synthetic Dataset 是一个合成护照数据集，旨在提高远程验证系统中欺诈身份文档检测（PAD）的性能。该数据集采用混合方法生成，结合了合成数据和开放获取信息，并符合国际民航组织（ICAO）的要求，以确保护照图像的真实性。数据集包含9,000张图像，分为3,000张真实护照图像和3,000张手动创建的攻击图像（打印和屏幕攻击）。该数据集有助于研究人员开发和测试更强大的PAD系统，以应对日益增长的远程工作和在线购买中的身份欺诈问题。Passport Synthetic Dataset is a synthetic passport dataset designed to enhance the performance of fraudulent identity document detection (PAD) in remote verification systems. This dataset is generated via a hybrid approach that combines synthetic data and open-access information, and complies with the requirements of the International Civil Aviation Organization (ICAO) to ensure the authenticity of passport images. The dataset contains 9,000 images, which are divided into 3,000 genuine passport images and 3,000 manually created attack images (print and screen attacks). This dataset helps researchers develop and test more robust PAD systems to address the growing problem of identity fraud in remote work and online purchasing scenarios.

原始信息汇总

SynID: Passport Synthetic Dataset for Presentation Attack Detection

基本信息

• 标题: SynID: Passport Synthetic Dataset for Presentation Attack Detection
• 作者: Juan E. Tapia, Fabian Stockhardt, Lázaro Janier González-Soler, Christoph Busch
• 提交日期: 2025年5月12日
• arXiv ID: 2505.07540v1
• DOI: 10.48550/arXiv.2505.07540
• 领域: 计算机视觉与模式识别 (Computer Vision and Pattern Recognition, cs.CV)

摘要

• 背景: 近年来，远程验证系统中用于识别欺诈ID文档的呈现攻击检测（PAD）需求显著增加。这一增长由多种因素驱动，包括远程工作、在线购物、移民以及合成图像技术的进步。
• 挑战: 由于隐私问题，可用于训练的ID文档数量有限，训练PAD检测伪造ID文档非常具有挑战性。
• 解决方案: 提出了一种新的护照数据集，该数据集通过结合合成数据和开放访问信息的混合方法生成，利用ICAO要求获取真实的训练和测试图像。

相关链接

• PDF: View PDF
• HTML (experimental): View HTML
• TeX Source: View TeX Source

搜集汇总

数据集介绍

构建方式

Passport Synthetic Dataset采用混合方法构建，结合了合成数据和开放访问信息，以符合国际民航组织（ICAO）的要求。构建过程包括五个核心步骤：模板归一化、主题元数据生成、生物特征图像选择与过滤、多模态图像层合成以及复杂视觉覆盖层（如徽标和图案）的重建。通过Photoshop分层文件恢复和标准化，生成具有结构化语义的模板，并结合合成人脸图像和公开数据，确保生成的护照图像具有高度的视觉真实性和结构准确性。

特点

该数据集的特点在于其高度符合ICAO标准，生成的护照图像包含人脸、文本和机器可读区（MRZ），具有极高的真实感。数据集包含3000张真实护照图像、3000张打印攻击图像和3000张屏幕攻击图像，覆盖西班牙、葡萄牙和波兰三个国家的护照格式。其多样性和高质量使其成为训练和测试演示攻击检测（PAD）系统的理想资源。

使用方法

Passport Synthetic Dataset可用于训练和评估PAD系统，以检测伪造身份证件。数据集按60%训练、20%验证和20%测试的比例划分，支持二元分类和留一协议（LOO）评估。研究人员可以使用深度学习模型（如DenseNet121、MobileNetV3）或视觉Transformer模型（如SwinTransformer）进行实验。数据集还支持评估不同攻击类型（如打印和屏幕攻击）的检测性能，并提供详细的性能指标（如APCER和BPCER）。

背景与挑战

背景概述

Passport Synthetic Dataset是由Juan E. Tapia等人于2025年提出的一个用于演示攻击检测（PAD）的合成护照数据集。随着远程验证系统的普及，如远程工作、在线购物和移民等场景的增加，对虚假身份证件的检测需求显著上升。该数据集通过结合合成数据和开放访问信息，采用混合方法生成符合国际民航组织（ICAO）要求的护照图像，旨在解决现有数据集在视觉质量和结构准确性上的不足。该数据集的推出为PAD系统的训练和测试提供了更为真实和多样化的样本，推动了身份证件防伪技术的发展。

当前挑战

Passport Synthetic Dataset面临的挑战主要包括两个方面：领域问题的挑战和构建过程中的挑战。在领域问题方面，虚假身份证件的检测存在不对称性，攻击者只需一个高质量的伪造证件即可，而防御者需要大量真实和攻击样本以训练有效的PAD系统。此外，现有数据集样本数量有限且质量不高，难以满足训练需求。在构建过程中，挑战包括如何生成符合ICAO要求的高质量合成图像，以及如何确保生成数据的多样性和真实性。此外，数据隐私问题也限制了真实身份证件的获取，进一步增加了构建数据集的难度。

常用场景

经典使用场景

Passport Synthetic Dataset在身份验证系统中的经典应用场景主要集中在远程身份验证和欺诈检测领域。随着远程工作和在线交易的普及，欺诈性ID文档的使用频率显著增加。该数据集通过合成符合ICAO标准的护照图像，为研究人员提供了高质量的训练和测试数据，用于开发高效的Presentation Attack Detection (PAD)系统。这些系统能够检测伪造的护照和ID文档，确保身份验证过程的安全性和可靠性。

衍生相关工作

Passport Synthetic Dataset的发布推动了多个相关研究工作的进展。例如，基于该数据集的研究提出了新型的深度学习模型（如SwinTransformer）用于PAD系统，显著提升了检测性能。此外，数据集还被用于开发多模态身份验证系统，结合面部识别和文档分析技术，进一步增强了身份验证的准确性和安全性。这些工作为身份验证领域的技术创新提供了重要支持。

数据集最近研究

最新研究方向

随着远程身份验证需求的激增，基于护照合成数据的呈现攻击检测（PAD）研究正朝着多模态融合与跨域泛化方向深入探索。最新研究聚焦于通过混合生成方法构建符合ICAO标准的合成数据集，以解决传统生物特征识别中样本稀缺与隐私保护的矛盾。前沿工作表明，结合合成人脸图像与开放数据的生成范式能有效提升伪造护照的视觉真实性，而基于Swin Transformer的细粒度局部注意力机制在攻击检测中展现出显著优势。该领域与数字身份安全、跨境电子政务等热点议题紧密关联，其技术突破对金融风控、边境管理等实际应用具有重要价值。当前挑战在于如何通过对抗生成技术模拟更复杂的复合攻击场景，同时保持合成数据与真实攻击间的语义一致性。

相关研究论文

• SynID: Passport Synthetic Dataset for Presentation Attack Detection

  德国达姆施塔特应用科学大学(da/sec-生物识别与网络安全研究小组) · 2025年