CBRW: 基于可取消生物特征模板生成的新方法
生成可取消生物特征模板,采用逆布尔异或技术,在三种不同方法中,以视觉秘密共享方案为基础,使用一个秘密图像和 n-1 个覆盖图像。通过在公开可获得的 ORL 人脸数据库和 IIT 德里虹膜数据库上的实验证明,提出的方法在相关系数、均方差、均方差、结构相似性、峰值信噪比、像素变化率和统一平均变化强度等方面进行了比较,发现在质量方面,方法 M3 生成了良好的可取消模板,并在 ORL 数据集上具有最佳性能,在 IIT 德里虹膜数据集上,M2 和 M3 具有可比性。
Apr, 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
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
本研究提出了一种采用卷积神经网络和 Radon 条形码的医学图像检索方法,结果表明其在医疗图像中检索方面的表现优于其他已发表的方法。
Apr, 2016
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
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
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
本篇研究通过使用 RGBT 图像和多模态协作表征学习框架来实现人群计数,并提供一个大规模 RGBT 人群计数基准测试数据集,研究表明该框架在 RGBT 人群计数和多模态人群计数方面表现优异。
Dec, 2020
本文提出了基于心率、步态和呼吸音信号的上下文相关的软生物识别可穿戴身份验证系统,使用具有径向基函数内核的二元支持向量机(SVM)可以实现高达 0.94 的平均精度。
Aug, 2020