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

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

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

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

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

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

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

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

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。

Oct, 2023

该论文提出了一种优化自由的面部识别编码器，以在条件面部图像中保留面部标识符，并提出了自我增强的可编辑性学习方法，从而在更快的速度下生成具有不同场景下的保留标识符的图像。

Jul, 2023