Licensieringsfärdiga datamängder som täcker 3D-mask-, makeup- och replay-presentationsattacker – utan annotering, med valfri etikettering och kvalitetssäkring.
3D-skyltdocks ansiktsdataset för liveness-detektering - 1 000 bilder. Listad under anti-spoofing- och liveness-detekteringsdataset, och lämplig för ansikts-anti-spoofing, liveness-detektering och presentationsattackdetektering (PAD) modellträning.
Dataset för avancerade pappersattacker mot förfalskning för iBeta nivå 2 – videor som täcker fyra olika avancerade pappersattacktyper för liveness-detektering. Listas under anti-spoofing- och liveness-detekteringsdataset och är lämpliga för träning i liveness-detektering och presentationsattackdetektering (PAD) samt förberedelser inför iBeta nivå 2-certifiering.
iBeta- och barnansiktsvideodataset - 45 600 videor av vuxna och barndeltagare av europeisk etnicitet. Listad under anti-spoofing- och liveness-detekteringsdataset, och lämplig för utbildning i ansikts-anti-spoofing, liveness-detektering och presentationsattackdetektering (PAD), inklusive förberedelse för iBeta-certifiering.
iBeta Nivå 1-pappersattacker fångade med en dubbelkamerauppsättning: en infraröd (IR) kamera plus en RGB-webbkamera för PC och webbaserad onboarding. Varje exempel innehåller en synkroniserad IR-kanal och en standard RGB-webbkameravy, som täcker verkliga inspelningar och fyra pappersparodvariationer: utskrift och utklipp, cylinder, on-actor och 3D-pappersmasker. Utformad för ISO/IEC 30107-3 PAD Nivå 1-förutvärdering i ett PC- eller webb-onboardingflöde - en webbapplikation som nås via en stationär webbkamera (IR + RGB).
iBeta Level 1-dataset för pappersmaskattacker – 22 000 videor för detektering av ansiktsliveness och anti-spoofing. Listad under datamängder för anti-spoofing och liveness-detektering, och lämplig för träning i liveness-detektering och presentationsattackdetektering (PAD), samt förberedelse för iBeta Level 1-certifiering.
iBeta Nivå 1 – 3 000 videor av partiella 2D-pappersmaskattacker från 50 deltagare, inspelade på en Galaxy A54 och en iPhone 14 Pro. Byggd för träning och utvärdering av system för att upptäcka ansiktsförfalskning, liveness-detektering och presentationsattacker.
iBeta Nivå 1 videodataset - 35 800 videor som täcker deltagare av asiatisk, europeisk och afrikansk etnicitet. Listad under anti-spoofing- och liveness-detekteringsdataset, och lämplig för utbildning i ansikts-anti-spoofing, liveness-detektering och presentationsattackdetektering (PAD) samt förberedelse för iBeta Nivå 1-certifiering.
iBeta Nivå 2 – en datauppsättning för attacker mot tygmasker för anti-spoofing och liveness-detektering, med mer än 11 000 videor av elastiska textilmasker med tryckta ansikten, inspelade på en Samsung S23 och en iPhone 14 Pro. Den faller under attackkategorin ISO 30107-3 Nivå 2 och stöder förberedelser för iBeta Nivå 2-certifiering.
3 000 videor från 50 deltagare i attacker med tryckta kartongmasker och riktiga tillbehör som peruker, hattar och glasögon. Inspelade på iPhone 12-, iPhone 14 Pro- och Samsung S23-enheter. Byggda för träning och utvärdering av system för att upptäcka ansiktsförfalskning, liveness-detektering och presentationsattacker.
En omfattande biometrisk datauppsättning för iBeta Level 2-träning i liveness-detektering och forskning mot förfalskning. Tyngdpunkten ligger på 3D-attacker (masker) och på rörelser för aktiv liveness (zoom in och zoom ut, mikrorörelser), med hög variation i enheter och förhållanden och en stor mångfald av subjekt.
iBeta Level 2-videodataset - 45 522 videor av deltagare av europeisk etnicitet. Listad under anti-spoofing- och liveness-detekteringsdataset, och lämplig för utbildning i ansikts-anti-spoofing, liveness-detektering och presentationsattackdetektering (PAD) samt förberedelse för iBeta Level 2-certifiering.
iBeta Level 3-dataset för högkvalitativa gummimaskattacker – 1 000 videor för liveness-detektering av maskattacker med högkvalitativa upplevelser. Listad under anti-spoofing- och liveness-detekteringsdataset, och lämplig för liveness-detektering och PAD-modellträning (presentation attack detection), samt förberedelse för iBeta Level 3.
En första anti-spoofing-datauppsättning på marknaden för iBeta Level 3-certifieringstestning, med mer än 10 000 attackvideor med 12 eller fler premium-hartsmasker – den mest avancerade och realistiska attacktypen i PAD-taxonomin.
En datauppsättning mot förfalskning som täcker livesessioner, replay, klipp, utskrift och 3D-maskattacker för storskalig ansikts-anti-spoofing. Den levererar en enda, heltäckande resurs för träning och benchmarking av system för detektering av ansiktslivlighet. Genom att aggregera livesessioner och elva realistiska presentationsattackklasser i en samling accelererar den utvecklingen mot iBeta Level 1/2-efterlevnad och stärker modellens robusthet mot hela spektrumet av förfalskningstaktik.
Latexmaskdataset för ansiktsskydd mot förfalskning och liveness-detektering – 5 000 videor. Listad under anti-spoofing- och liveness-detekteringsdataset, och lämplig för liveness-detektering och träning av presentationsattackdetektering (PAD).
En datamängd för detektering av liveness av videoattacker med hjälp av utskrivna 2D-masker. Den fokuserar på attacker med utklippta foton av den typ som används av iBeta och NIST FATE för att bedöma algoritmer för detektering av liveness, och är skräddarsydd för att träna AI-modeller för att identifiera variationer av attacken med utklippta 2D-utskrifter.
Liveness-detektering: replay-attacker. Mer än 5 000 videor av display-replay-monitorattacker som varar i 12 sekunder eller längre, tillsammans med riktiga foton. Attackerna erbjuder en mängd olika belysningar, enheter och skärmar.
En datamängd för detektering av liveness av replay-attacker utförda på mobila enheter. Den består av 1 500 individer som tog selfies, följt av 3 000 replay-attacker utförda på 15 olika mobila enheter. Attackerna fångas på en mängd olika enkla, medelhöga och avancerade mobiltelefoner, vilket ger omfattande variation i skärmtyper, ljus och miljöförhållanden.
Ansiktsbilddataset av deltagare med glasögon, ansiktsmasker och solglasögon, tagna inomhus och utomhus med full 360-graders huvudrotation. Täcker kinesiska, vita, svarta, indiska, sydostasiatiska och mellanösternrelaterade personer. Lämplig för ocklusionsrobust ansiktsigenkänning, ansiktsigenkänning under delvis täckning och träning av huvudpositionsuppskattningsmodeller.
En datauppsättning för attacker med pappersmasker för att träna PAD- och liveness-detekteringsmodeller mot billig 3D-förfalskning, med mer än 2 000 videor inspelade på iOS- och Android-enheter. Den faller under attackkategorin ISO 30107-3 nivå 1/2.
En specialiserad datamängd mot ansiktsförfalskning med personliga attacker med hartsmasker som riktar sig mot ansiktsigenkänningssystem och biometrisk autentisering. Denna unika datamängd använder specialtillverkade ansiktsmasker av gummi som är utformade för att replikera specifika individers ansiktsdrag med hög precision.
En datauppsättning för fotoutskriftsattacker som täcker fler än 3 000 individer, för Presentation Attack Detection (PAD) nivå 1. Denna biometriska attackdatauppsättning använder attacker med utskrivna foton, vilka både iBeta och NIST FATE tillämpar vid bedömning av algoritmer för detektering av liveness, och är skräddarsydd för att träna AI-modeller för att identifiera attacker med utskrivna foton på individer. Attackerna med utskrivna foton inkluderar de zoomeffekter som NIST FATE föreskriver för förbättrad AI-träning.
En datauppsättning mot förfalskning med fler än 12 500 attackvideor med 18 hyperrealistiska silikonmasker. Utformad för att träna modeller för detektion av liveness och presentationsattacker (PAD) med inriktning på iBeta Level 2-certifiering.
En datauppsättning för PAD och liveness-detektering med tre klasser av presentationsattacker: kartongmasker med utskurna ögon, elastiska textilmasker med fullfärgsutskrift och 3D-latexmasker i fullstorlek. Masktyperna valdes utifrån verkliga attackscenarier.
Denna datauppsättning är utformad för att förbättra modeller för liveness-detektering genom att simulera inslagna 3D-attacker – en mer avancerad version av 3D-utskriftsattacker, där ansiktsuttryck inkluderar 3D-element och ytterligare attribut. Den är särskilt användbar för iBeta Level 2-certifiering och träning av anti-spoofing-modeller.
