我们提出了一种新颖的技术,结合了全同态加密(FHE)和现有的模板保护方案 PolyProtect,通过多项式变换将嵌入式压缩加密,进一步保护密集的 PolyProtect 模板,确保面部嵌入的不可逆性和不可关联性,有效地防止了从面部嵌入中泄露软生物识别属性而不损害识别准确性。
Apr, 2024
本文介绍了一个基于深度卷积神经网络和数据增强技术的解决方案,用于 IEEE Big Data Cup 2022 挑战中隐私保护匹配加密图像的任务,并在该挑战中获得第一名。主要关键词为智慧城市、智慧传感器、隐私保护、加密技术和深度卷积神经网络。
Nov, 2022
通过频率 - 颜色融合,基于身份的嵌入映射和安全多方计算等方法,提出一种隐私保护的人脸识别方案,以降低维度、保护个人隐私并获得更高的准确率。
Jan, 2024
提出了一种通过在原始模板中隐藏子模板并使用足够多的冗余点来保护生物特征模板信息的混淆方法,并使用生成对抗网络(GAN)生成的合成面部图像作为安全保险库授权系统中的随机冗余点,该方法在测试中表现良好且不会对准确性产生不利影响。
本文提出了一种使用实时口罩检测来增强人脸识别系统的现有数据集的方法,并利用 MaskTheFace 工具创建大量实时口罩数据集以及使用处理后的数据集提高了 FACENET 及在实际数据集 MFR2 上的识别率。
Aug, 2020
本文介绍了一种基于对抗性蒙版的身份保护技术(TIP-IM),该技术可以在保证视觉效果的情况下,对个人照片进行加密以保护用户的数据隐私。实验结果表明,TIP-IM 在不同实际测试场景下,能够提供超过 95% 的保护成功率,证明其在商业 API 服务中的实用性和有效性。
Mar, 2020
本文提出一种基于模糊成员映射的数据表示能力的方法,以实现安全的分布式深度学习,并通过应用模糊属性来解决完全同态加密数据的大量计算问题,从而实现隐私保护、精确、实用和可扩展的全局模型的评估。
Apr, 2022
本文提出了一种基于 CNN 和度量学习的两阶段方法,以实现面部验证和识别。实验表明,该方法优于其他最先进的方法,获得 99.77% 的成对验证准确度,并在其他两个更实用的协议下获得更好的准确度。本文也讨论了数据大小和补丁数量的重要性,展示了通往实际高性能面部识别系统的明确途径。
Jun, 2015
本文通过使用空间变换器层在卷积神经网络中进行端到端的面部识别学习,以逐步学习出最适合面部识别任务的几何变换和适当的面部区域,从而达到高精度面部识别的目的。
Jan, 2017
通过在信号水平上选择关键策略,提出一种竞争式可取消方案的安全改进,以防止对人脸识别系统的敌对攻击。实验结果表明,基于最安全阈值的某些策略可以完全阻止迭代优化的敌对攻击,而对于最实用的阈值,攻击成功率可降低到约 5.0%。
Oct, 2023