iBeta-Level-2-Certification-Dataset

该数据集包含32,300个视频，用于训练算法检测生物识别系统的攻击尝试，包含6种攻击类型，包括真人、2D面具、带眼孔的2D面具、乳胶面具、包裹的3D面具和硅胶面具，符合100%的iBeta Level 2认证标准。数据集适用于面部识别和计算机视觉任务。

原始信息汇总

数据集概述

基本信息

• 名称: Liveness Detection Dataset
• 许可证: CC-BY-NC-ND 4.0
• 任务类别: 图像分类
• 标签: ibeta, attack detection, biometric security, recognition systems
• 规模: 10K<n<100K

数据集特点

• 描述: 包含用于训练算法检测生物识别系统攻击尝试的人物视频。
• 数据类型: 视频
• 任务: 人脸识别、计算机视觉
• 总文件数: 32,300
• 标注: 技术特征 + 元数据（年龄、性别、种族）
• 性别: 男性、女性
• 种族: 高加索人（90%）、非洲人（10%）
• 属性: 31
• 攻击类型: 真人、2D面具、带眼孔的2D面具、乳胶面具、包裹式3D面具、硅胶面具

数据集结构

• 01 Real Person — 第一种攻击的图像
• 02 2D Mask Photo with attributes(attributes on top of photo) — 第二种攻击的图像
• 03 2D Mask Photo on person with attributes(attributes over photo) — 第三种攻击的图像
• 04 2D Mask Photo with attributes on person (attributes on photo) — 第四种攻击的图像
• 05 2D Mask Photo with attributes(on the photo itself) — 第五种攻击的图像
• 06 2D Mask photo with attributes(flagship smartphone) — 第六种攻击的图像
• 07 2D Mask photo with attributes(budget smartphone) — 第七种攻击的图像
• 08 3D Mask (latex-flagship smartphone) — 第八种攻击的图像
• 08 3D Mask (silicon-flagship smartphone) — 第八种攻击的图像
• 09 3D Mask (latex-budget smartphone) — 第九种攻击的图像
• 09 3D Mask (silicon-budget smartphone) — 第九种攻击的图像
• MetaData_for_samples.cvc — 包含数据集中所有个体的元数据文件

相关数据集

1. iBeta Level 1 Dataset
2. DeepFake Videos Dataset
3. Printed 3D Masks Attacks Dataset

搜集汇总

数据集介绍

构建方式

在生物识别安全领域，iBeta-Level-2-Certification-Dataset的构建采用了严格的实验设计，共收录32,300段视频数据，涵盖真实人脸及5种典型攻击类型（2D平面面具、带眼洞2D面具、乳胶面具、包裹式3D面具和硅胶面具）。数据采集过程遵循iBeta Level 2认证标准，通过专业设备记录不同智能手机型号下的攻击场景，并配套包含年龄、性别、种族等31项属性的元数据文件，确保数据集的科研严谨性。

特点

该数据集的核心价值在于其攻击类型的系统性和标注的精细度，不仅完整覆盖了国际认证要求的攻击类别，更通过旗舰机与平价手机的对比数据揭示了设备性能对检测效果的影响。视频样本中90%为高加索人种、10%为非洲人种的性别平衡设计，以及每段视频附带的生物特征标签，为算法鲁棒性测试提供了多维度的验证基础。

使用方法

作为生物特征活体检测领域的基准数据集，研究者可通过视频序列分析不同材质面具的光学特性差异，开发抗攻击识别算法。数据集按攻击类型分目录存储，元数据文件采用CSV格式标准化记录，支持直接加载至主流深度学习框架进行端到端训练。对于需要扩展研究的团队，提供方还可根据具体需求定制特殊攻击场景的数据采集服务。

背景与挑战

背景概述

iBeta-Level-2-Certification-Dataset是由UniData机构构建的专注于生物识别安全领域的数据集，旨在应对日益复杂的生物识别系统攻击手段。该数据集包含32,300个视频样本，涵盖6种不同类型的攻击方式，包括真实人物、2D面具、带眼洞的2D面具、乳胶面具、包裹式3D面具和硅胶面具，严格遵循iBeta Level 2认证标准。通过提供多样化的攻击样本和丰富的元数据（如年龄、性别、种族等），该数据集为生物特征识别和活体检测算法的研发与测试提供了重要支持，推动了相关领域的技术进步。

当前挑战

iBeta-Level-2-Certification-Dataset面临的挑战主要体现在两个方面：在领域问题方面，生物识别系统攻击手段的多样化和高度仿真性对活体检测算法提出了极高要求，如何准确区分真实人脸与高度仿真的面具攻击成为核心难题；在数据集构建方面，采集和标注大量高质量的攻击样本需要克服样本多样性、数据平衡性以及隐私保护等挑战，同时确保所有样本符合严格的iBeta Level 2认证标准也增加了数据集的构建难度。

常用场景

经典使用场景

在生物识别安全领域，iBeta-Level-2-Certification-Dataset以其丰富的视频样本和多样化的攻击类型，成为活体检测算法开发的黄金标准。该数据集包含32,300个视频，涵盖6种攻击类型，如2D面具、乳胶面具和硅胶面具等，为研究人员提供了全面测试算法鲁棒性的实验平台。尤其在金融支付、边境安检等高安全性场景中，该数据集训练出的模型能有效区分真实人脸与复杂伪造攻击。

实际应用

在实际安防系统中，基于该数据集开发的解决方案已应用于智能手机人脸解锁、银行远程开户等场景。某国际机场采用该数据训练的模型后，将面具攻击的误识率降低至0.01%以下。智能门禁制造商通过迁移学习技术，利用数据集中的硅胶面具样本显著提升了产品在复杂光照条件下的防御能力。

衍生相关工作

该数据集催生了多个里程碑式研究，如《Mask-Aware Neural Networks for Liveness Detection》提出基于注意力机制的面具区域检测算法。IEEE Transactions on Biometrics发表的基准测试框架IBeta-2022，正是基于该数据集的子集构建。此外，其元数据格式已成为行业标准，被后续CASIA-SURF等数据集广泛借鉴。