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
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
本文就生物识别技术面临的问题进行了调查，包括认知性能、安全性、公平性、数据归集和用户隐私等，并提出了如何解决这些问题以提高其安全性和公信力的建议。
May, 2021
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
本研究针对深度神经网络嵌入式特征表示的反演问题进行了研究，发现攻击者可以通过利用现成的深度神经网络模型和公共数据集，仅通过获取到的特征表示和攻击者的先验知识，模拟原始模型的行为，并构建成功鉴别的生物特征重建模型。
本文调查了公众对生物识别技术的理解、认知和接受程度，结果表明大多数人虽然了解生物识别技术，但只限于常见技术，而忽略了新兴领域，例如行为生物识别。本文提供了独特的观察角度来了解公众对生物识别技术的认知和了解程度，以及他们对生物识别技术应用领域的知识缺乏的情况。
May, 2019
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。
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
本文讨论了生物识别系统，特别是脸部模态的漏洞和如何通过伪造攻击的方式欺骗生物识别系统，并提出了十个问题，以开始在人工智能时代探讨市民数据安全和数据隐私问题。
May, 2022
本文深入探讨了生物识别技术在算法偏倚背景下的现存问题及解决方案，尤其关注人脸识别算法的种族歧视和偏见问题，并提出了未来的研究方向。
Mar, 2020