本文提出了一种可以基于嵌入聚合的高效的人脸识别方法，该方法可以用于构建大规模、去中心化的系统，同时重视隐私保护和长期可用性。
Dec, 2022
通过评估非可逆性要求的满足程度以及面部嵌入提取器的漏洞评估，本文研究了声称提供软生物特征隐私保护的方法以及隐私保护中使用的转换复杂性，实验结果表明，受保护的面部嵌入可以在达到约 98% 的精度时重构。
Oct, 2023
提出了一种高效的隐私保护多生物特征识别系统，通过利用来自不同类型生物特征的频繁二进制模式中包含的低类内变异属性，设计了一种多生物特征分箱方案，实验结果表明，该多生物特征识别系统可以将计算工作量降低约 57%（索引最多三种生物特征类型）和 53%（索引最多两种生物特征类型），同时提高了基准生物特征系统在高安全阈值下的生物特征性能。
生物测量学在识别准确性方面表现出了其能力。本文提出了一种理论分析方法来解决生物识别系统的可区分性问题，并展示了人口规模与避免冲突所需的独立位数之间的简单关系。研究结果令人鼓舞，因为整个地球人口的生物测量数据可以储存在一个普通硬盘上，还留有一些空间用于噪声和冗余。
Nov, 2023
利用生物识别技术的高风险性及潜在隐私问题，本文提出了一种新颖的数据转换框架，可实现对生物识别数据的匿名化处理，以降低敏感信息泄露的风险并保留下游机器学习分析所需的特征。实验证明了该框架能通过高度抑制敏感信息的方式，同时保持数据的实用性，从而使得对匿名化生物识别数据的后续分析仍能达到令人满意的准确性。
May, 2024
使用创新的图像扭曲技术，我们介绍一种能使面部图像对肉眼不可识别但仍可由自定义嵌入神经网络模型识别的生物特征认证系统，通过在 MNIST 和 LFW 数据集上的实验评估其有效性，并基于传统比较指标进行比较。
Feb, 2024
本文提出了一个基于稀疏变换和隐私放大的隐私保护编码框架，它适用于生物识别、物理对象安全和物联网应用，此方法不仅与最近提出的稀疏三元码（STC）概念相关，同时能以低计算成本、存储和通信负担保留外包给服务器的数据库和数据使用者的隐私。
Sep, 2017
开发生物识别身份验证系统时，隐私和安全是一个重要问题。本文介绍了一种创新的图像扭曲技术，通过神经网络模型使人脸图像在肉眼无法识别的情况下保持其可识别性，既解决了人工智能和工程领域中的相关挑战，又在生物识别身份验证系统中实现了安全、精确性和性能的平衡。
Jan, 2024
本文利用深度学习方法对人脸识别中的模板进行分析，探究其中包含的 113 个属性。结果显示，最多可预测 74 个属性，尤其是年龄、发型、发色、胡须和不同配件等不稳定属性容易被预测。这项工作有助于开发更加隐私保护、公平的人脸模板。
Sep, 2020
本文提出了一种隐私保护技术，即 PEEP，该技术可对面部图像进行扰动以防止生物特征泄漏，并利用局部差分隐私的方法在第三方服务器上运行 Eigenface 识别算法。实验结果表明，PEEP 在标准隐私设置下的分类准确率约为 70％-90％。
May, 2020