BioML at IWBF 2026: Evaluating Open-Source LVLMs for Face Presentation Attack Detection

27 April 2026

Camilo Linares vertrat das BioML Lab am Forschungsinstitut CODE der Universität der Bundeswehr München auf dem IEEE Int. Workshop on Biometrics and Forensics (IWBF 2026), der am 23. und 24. April 2026 an der Côte d’Azur in Frankreich stattfand.

Er stellte den gemeinsam mit Prof. Dr. Marta Gomez-Barrero verfassten Beitrag „Evaluating Open-Source Large Vision-Language Models for Face Presentation Attack Detection“ vor. Angesichts der ernsthaften Bedenken, die sich aus der steigenden Zahl von Cyberangriffen ergeben, ist es von größter Bedeutung, biometrische Systeme angemessen vor Angriffen von außen zu schützen. In diesem Beitrag konzentrieren wir uns auf Präsentationsangriffe, bei denen der Angreifer manipulierte biometrische Artefakte einsetzen kann, um den Sensor zu täuschen. Die jüngsten Fortschritte im Bereich der künstlichen Intelligenz (KI), genauer gesagt bei multimodalen großen Sprachmodellen (MLLMs) wie GPT-5 und Googles Gemini, haben neue Möglichkeiten zur Verbesserung der Erkennung von Präsentationsangriffen (PAD) eröffnet. In dieser Arbeit untersuchen wir die Basisleistung von MLLMs, insbesondere von großen Bild-Sprach-Modellen (LVLMs), bei der Erkennung von Präsentationsangriffen mit Gesichtern ohne Feinabstimmung. Unser Schwerpunkt liegt auf Zero-Shot- und Few-Shot-Lernszenarien. Wir erörtern, wie diese Modelle, die auf umfangreichen Datensätzen trainiert wurden und Text sowie Bilder verarbeiten können, neue Strategien zur Verbesserung der Sicherheit biometrischer Systeme bieten können. Wir gehen auf mehrere zentrale Herausforderungen ein, darunter die Vielfalt der Datensätze und die Empfindlichkeit gegenüber Prompts, und schlagen Richtungen für zukünftige Arbeiten vor, wobei der Schwerpunkt auf der Feinabstimmung und der aufgabenspezifischen Anpassung liegt. Anhand einer Analyse der möglichen Vorteile und Einschränkungen von MLLMs für PAD soll dieser Beitrag Forschern und Fachleuten als Informationsquelle dienen, die daran interessiert sind, die Sicherheit und Robustheit biometrischer Authentifizierungstechnologien zu verbessern.

Der Beitrag ist unter IEEE Xplore verfügbar.