AuthNet: 利用面部特征运动的深度学习身份验证机制

AAAIDec, 2020

AuthNet: A Deep Learning based Authentication Mechanism using Temporal Facial Feature Movements

Mohit Raghavendra, Pravan Omprakash, B R Mukesh, Sowmya Kamath

TL;DR本文提出了一种使用面部识别和特征运动作为密码的双重身份认证机制，基于机器学习和深度学习的生物特征识别系统在这种方案下表现出强大的鲁棒性和准确性。

Abstract

biometric systems based on machine learning and Deep learning are being extensively used as authentication mechanisms in resource-constrai

发现论文，激发创造

本研究提出了一种利用面部识别和语言时的面部特征运动的身份验证过程，该过程不受语言限制且在低资源计算环境中具有 96.1% 准确率的表现。

Apr, 2023

该论文介绍了基于机器学习的人脸识别技术在 Web 系统中作为身份认证方法的应用，其中结合了 MTCNN、Facenet 和 LinearSVC 等多个算法进行人脸识别，最终实现了 95% 的准确率。

Mar, 2021

本文介绍了一种使用深度学习技术自动提取面部表情识别所需信息特征的方法，通过两个不同的深度学习模型使得我们在 CK + 和 Oulu-CASIA 数据库上，获得了优于其他现有方法的性能表现。

Mar, 2015

研究了基于眼动的生物识别中的非自愿微动，并提出了一种处理原始眼动信号的深度卷积网络的方法，相较于先前的工作，该网络误差率提高一个数量级，速度提升两个数量级，可以在几秒钟内准确地识别用户。

Jun, 2019

本研究使用行为生物识别，包括触摸动态和手机移动，创建和评估了用户身份验证方案。使用两个公开数据集，采用 7 种机器学习算法进行评估，准确率高达 86％。

May, 2022

AttackNet 是一种巧妙设计的卷积神经网络架构，采用深度学习方法应对生物特征系统中的欺骗威胁，通过低级特征提取到高级模式识别无缝过渡的分层防御机制，具有优越的性能指标，并与当代模型进行了详细的比较分析，突出了深度学习在生物特征安全领域的潜力。

Feb, 2024

基于智能合约、区块链技术、FaceNet512 身份识别、高斯混合模型（GMM）语音认证的视频音频验证系统，提供了前所未有的安全性和可靠性，有效防止身份盗用和非法访问，成为安全金融交易的新标杆。

Oct, 2023

该研究介绍了三种人脸访问模型，使用深假面替换未经批准的面孔，并提出了适用于此任务的新度量标准，通过在真实数据集和两个合成数据集上测试，证明了该系统的有效性，并对相似性度量、深假面生成器和数据集进行了广泛分析。

Nov, 2022

探索深度学习技术是否可以降低用户在智能手表支付认证系统中提供手势的次数，通过使用自动生成的仿真手势训练可以减少用户在类似 WatchAuth 系统中的注册手势数量而不影响其错误率。

Jul, 2023

生物识别技术在数字身份识别中发挥着重要作用，然而当前的技术仍存在一定的安全性和精确性问题。本文调查了基于神经网络的各种生物识别技术，强调了对提高精确性和可靠性的不断追求，得出了神经网络与生物特征结合不仅可以提高准确性，还有助于整体安全性的结论。

Feb, 2024