← नवीनतम पेपर
💻 computer science

CPG-PAD: Concept-Informed Prompts Guided Presentation Attack Detection

यह शोध पत्र CPG-PAD का प्रस्ताव करता है, जो एक नवीन ढांचा (framework) है जो प्रॉम्प्ट लर्निंग में XAI-व्युत्पन्न हीटमैप्स के माध्यम से मॉडल-स्तरीय अवधारणा मार्गदर्शन को एकीकृत करके क्रॉस-डोमेन प्रेजेंटेशन अटैक डिटेक्शन को बढ़ाता है, जिससे विविध डेटासेट्स में हस्तांतरणीय हमले के संकेतों को कैप्चर करते हुए और डोमेन-विशिष्ट पूर्वाग्रहों को दबाते हुए अत्याधुनिक सामान्यीकरण (generalization) प्राप्त किया जाता है।

मूल लेखक: Haoyuan Zhang, Xiangyu Zhu, Li Gao, Ajian Liu, Siran Peng, Zhen Lei

प्रकाशित 2026-07-03
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Haoyuan Zhang, Xiangyu Zhu, Li Gao, Ajian Liu, Siran Peng, Zhen Lei

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक क्लब में आईडी (ID) चेक करने के लिए एक सुरक्षा गार्ड की भर्ती कर रहे हैं। इस गार्ड का काम "नकली" आईडी (प्रेजेंटेशन अटैक) जैसे कि छपी हुई तस्वीरें, रीप्ले किए गए वीडियो या 3D मास्क को पहचानना है, जबकि असली लोगों को अंदर जाने देना है।

समस्या यह है कि अधिकांश सुरक्षा गार्ड एक विशिष्ट कमरे में और एक विशिष्ट प्रकार की रोशनी में प्रशिक्षित होते हैं। यदि आप उन्हें एक नए कमरे में ले जाते हैं जहाँ रोशनी अलग हो, या यदि जालसाज किसी नए प्रकार के कागज का उपयोग करने लगते हैं, तो गार्ड अक्सर भ्रमित हो जाता है और नकली आईडी को अंदर जाने देता है। फेस रिकग्निशन (चेहरा पहचान) की दुनिया में इसे "डोमेन शिफ्ट" (domain shift) की समस्या कहा जाता है।

यह शोध पत्र एक नई विधि पेश करता है जिसे CPG-PAD (कॉन्सेप्ट-इन्फॉर्म्ड प्रॉम्प्ट्स गाइडेड प्रेजेंटेशन अटैक डिटेक्शन) कहा जाता है। इसे एक सुरक्षा गार्ड को सुपरपावर देने की तरह समझें: नकली होने के पीछे के गहरे, छिपे हुए सिद्धांतों (concepts) को समझने की क्षमता, न कि केवल यह रटने की कि एक फोटो कैसी दिखती है।

यह कैसे काम करता है, इसे सरल चरणों में यहाँ दिया गया है:

1. पुराना तरीका: "मानवीय अनुमान" (Human Guessing)

पहले, शोधकर्ता AI को "एक असली चेहरे की फोटो" या "एक नकली चेहरे की फोटो" जैसे टेक्स्ट प्रॉम्प्ट देकर सिखाने की कोशिश करते थे।

  • उपमा: कल्पना कीजिए कि आप एक गार्ड को कहते हैं, "नकली आईडी की तलाश करो।" गार्ड शायद टेढ़ी फोटो या अजीब फॉन्ट जैसी स्पष्ट चीजों को देखेगा। लेकिन कुछ नकली चीजें बहुत सूक्ष्म होती हैं—जैसे स्क्रीन पर एक छोटी सी चमक या कागज की बनावट में मामूली विकृति। इंसान (और साधारण टेक्स्ट प्रॉम्प्ट) इन छोटी, अदृश्य सुरागों का वर्णन करने में संघर्ष करते हैं। गार्ड ट्रेनिंग रूम की विशिष्ट रोशनी को याद करने लगता है बजाय इसके कि वह एक नकली आईडी के सिद्धांत (concept) को सीखे।

2. नया तरीका: "जासूस का आवर्धक लेंस" (The Detective's Magnifying Glass)

लेखकों ने महसूस किया कि जबकि इंसान इन सूक्ष्म सुरागों का वर्णन करने में संघर्ष करते हैं, AI खुद (विशेष रूप से एक शक्तिशाली प्री-ट्रेंड मॉडल जिसे CLIP कहा जाता है) वास्तव में उन्हें देख सकता है। समस्या यह है कि AI को यह नहीं पता कि उन लाखों सूक्ष्म विवरणों में से कौन से महत्वपूर्ण हैं।

CPG-PAD, एक्सप्लेनेबल एआई (XAI) नामक तकनीक का उपयोग एक जासूस के रूप में करने के लिए करता है।

  • जासूस (VCE - विजुअल कॉन्सेप्ट-ड्रिवन एन्हांसमेंट): सिस्टम हजारों नकली फोटो देखता है और AI से पूछता है, "तुम वास्तव में किस चीज़ को देख रहे हो?" AI उन छिपे हुए "कॉन्सेप्ट्स" (सिद्धांतों) को प्रकट करता है जिनका उपयोग वह निर्णय लेने के लिए करता है।
    • उदाहरण: केवल "नकली" कहने के बजाय, AI विशिष्ट कॉन्सेप्ट्स की खोज करता है जैसे "कागज की सिलवटें (creases)", "आंखों के लिए कटे हुए छेद", या "अजीब रोशनी के प्रतिबिंब (reflections)"।
    • इसके बाद यह फोटो के ऊपर एक हीटमैप (मौसम के रिपोर्ट की तरह) बनाता है, जो ठीक से दिखाता है कि ये सुराग कहाँ हैं।

3. गार्ड को सिखाना: "कॉन्सेप्ट-इन्फॉर्म्ड प्रॉम्प्ट्स" (Concept-Informed Prompts)

अब जब हमारे पास ये हीटमैप्स हैं, तो यह सिस्टम सुरक्षा गार्ड (AI मॉडल) को उन पर ध्यान देने के लिए सिखाता है।

  • शिक्षक (PCI - प्रॉम्प्ट-बेस्ड कॉन्सेप्ट इंजेक्शन): सिस्टम AI के लिए विशेष "प्रॉम्प्ट्स" (निर्देश) बनाता है। केवल "नकली" कहने के बजाय, प्रॉम्प्ट अब कहता है, "यहाँ सिलवट देखो, और वहाँ छेद देखो।"
  • सेतु (VPD - विजुअल-प्रॉम्प्ट डिकोडर): यह एक विशेष अनुवादक है जो टेक्स्ट निर्देशों को विजुअल हीटमैप्स से जोड़ता है। यह AI को मजबूर करता है कि उसके आंतरिक "विचार" उन विजुअल सुरागों के साथ मेल खाएं जो जासूस ने खोजे थे।

4. परिणाम: एक सुपर-अनुकूलनीय गार्ड

चूंकि गार्ड अब केवल एक विशिष्ट कमरे की तस्वीरों को याद करने के बजाय कॉन्सेप्ट्स (जैसे "कागज की बनावट" या "प्रकाश का प्रतिबिंब") पर प्रशिक्षित है, इसलिए वह अविश्वसनीय रूप से अनुकूलनीय बन जाता है।

  • उपमा: यदि आप एक गार्ड को "कागज में सिलवट" पहचानने के लिए प्रशिक्षित करते हैं, तो वह नकली आईडी को पहचान सकता है भले ही रोशनी बदल जाए, कैमरा एंगल बदल जाए, या हमलावर किसी अलग ब्रांड के प्रिंटर का उपयोग करे। वह कमरे को याद नहीं कर रहा है; वह जालसाजी की प्रकृति को समझ रहा है।

शोध पत्र क्या दावा करता है

लेखकों ने इसका परीक्षण नौ अलग-अलग डेटासेट्स (नौ अलग-अलग "कमरे" जिनमें अलग-अलग कैमरे, लाइट और हमले के प्रकार हैं) पर किया।

  • परिणाम: CPG-PAD ने लगातार वर्तमान सर्वोत्तम तरीकों को पछाड़ दिया। यह उन नकली चीजों को पकड़ने में विशेष रूप से अच्छा था जिन्हें उसने पहले कभी नहीं देखा था (क्रॉस-डोमेन प्रदर्शन)।
  • दक्षता: इसके लिए किसी भारी नए हार्डवेयर या अतिरिक्त सेंसर (जैसे डेप्थ कैमरा) की आवश्यकता नहीं थी। इसने बस मौजूदा AI मॉडल का उपयोग किया और उसे दुनिया को देखने का एक अलग तरीका सिखाया।

संक्षेप में: CPG-PAD एक सुरक्षा गार्ड को ज्ञात नकली आईडी की सूची रटने वाले व्यक्ति से बदलकर एक कुशल जासूस बनाने जैसा है, जो जालसाजी के मौलिक भौतिक विज्ञान और बनावट को समझता है, जिससे वह किसी भी वातावरण में, किसी भी स्थिति में नकली आईडी को पहचान सकता है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💻 cs →