Oct, 2023

基于频繁二进制模式的隐私保护多生物特征索引

PDF
TL;DR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。
发现论文，激发创造
  • 利用概率隐私保护逆向深度人脸嵌入

    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

  • 基于掩码模板的隐私保护

    该论文提出了保护个人隐私的重要性，并探讨了通过防止非授权识别算法获取原始图像的实际特征，从而保护人体基 ometrics 的图象隐私的方法。

    Feb, 2022

  • 生物识别中的非定向近碰撞攻击

    这篇论文研究了基于概率建模的生物识别技术中的安全问题，探讨了模板大小、数据库大小和阈值对识别精度的影响，揭示了生物识别技术的两种攻击方式，并提出了选择参数的建议。

    Apr, 2023

  • 生物识别模板保护系统中链接性评估的一般框架

    通过提出一个新的综合框架，本文解决了不可逆转的生物特征模板的不可链接性缺乏系统定量分析的问题，并将该方法应用于评估四种最先进的生物特征模板保护技术的不可链接性，包括生物特征盐化、布隆过滤器、同态加密和块重映射。对于最后一种技术，将提出的框架与其他现有指标进行比较以展示其优势。

    Nov, 2023

  • 嵌入非失真可取消人脸模板生成

    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

  • 隐私保护的群组成员验证和识别

    通过嵌入和聚合机制，该文提出一种学习方法来保护组成员隐私和安全，并在人脸识别实验中展示了该方法带来的安全和隐私性能和鉴定 / 辨认性能的卓越平衡。

    Apr, 2019

  • 识别部分生物特征模式

    提出一个用于任意生物识别匹配场景的鲁棒性通用框架，将 FCN 的特征映射和基于字典学习的空间特征重构技术相结合，应用特征后处理步骤以及批次硬三元组损失函数进行优化，实验证明该方法具有很高的性能。

    Oct, 2018

  • 使用多保险库模糊模板的安全和私密集成匹配器

    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。

    Apr, 2024

  • 模型无关的保护实用性的生物识别信息匿名化

    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

  • 超越身份：生物识别人脸模板中存储了哪些信息？

    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