- 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 - 隐藏与寻找：数字水印对人脸识别的影响
我们研究了数字水印技术对人脸识别模型有效性的影响，并提出了一种综合流程，通过人脸图像生成、数字水印和人脸识别的整合来系统地研究这个问题。我们的发现突显了数字水印技术与人脸识别准确性之间微妙的权衡关系，这对于负责任地利用生成模型进行人脸识别并 - 利用神经网络的生物计量学
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 - 特征选择的指纹生物特征识别
以手部几何为基础的四指生物特征方法，采用特征选择方法提高鉴别性能，实验使用 Bosphorus 手部数据库的 300 个受试者进行测试，通过排名为基础的本地 FoBa 算法选择的 25 个特征子集，实现了最佳鉴别准确率 98.67% 和等错 - 使用鼠标点击数据分析的连续认证
该研究使用生物特征识别对个人进行身份认证，其中鼠标动力学是一种行为生物特征，可以用于进行连续身份验证以防止安全漏洞。该论文通过对鼠标动力学数据集 Balabit Mouse Challenge 数据集进行了不同分类技术的实证评估，使用鼠标移 - 基于卷积神经网络和局部二值模式的演示攻击检测
面部和虹膜的演示攻击检测的三种软件方法比较：使用 Inception-v3 的深度卷积神经网络（CNN），基于改进的 Spoofnet 架构的浅层 CNN，以及使用局部二值模式（LBP）的基于纹理的方法。
- 3D 人脸重建：前往取证之路
3D 面部重建算法在图像和视频中的应用广泛，但在法医应用中，其作为证据的作用仍不明确。本文调查了 3D 面部重建在法医学中的应用约束、潜力和限制，并提出了可能取代或补充现有数据集的替代方案。
- 基于物理驱动的光谱一致的掌纹验证的联邦学习
通过物理驱动的谱一致联邦学习方法，解决了手掌纹验证领域中不同波段验证的困难和数据隐私问题，并在有限的训练数据下展现出了强大的性能。
- 法医识别的三维面部重建 - 综述
本文调查了 3D 人脸重建算法在法证应用中的潜在作用，强调了它与生物识别的关系，并分析了目前的障碍。
- 去中心化人脸识别部署中人脸嵌入的高效聚合（扩展版）
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。
- CVPRPIC-Score: 面向单模 / 多模生物识别的概率可解释比对分数用于确信度计算
本研究提出了一种基于概率解释的对比分数（PIC），它能够准确地反映得分来自同一身份样本的概率，在多模态生物识别中具有高识别和置信度估计性能。与其他方法相比，该方法具有更准确的概率解释。
- 战略可视范围：生物识别中的残障歧视
本文旨在探讨生物识别技术对残障人士在接触现代科技方面的影响，主要考虑了个人特征和行为特征等方面带来的可能的益处和损害。
- BiometricBlender: 用于模拟生物特征空间的超高维度、多类别合成数据生成器
本研究介绍了一个名为 BiometricBlender 的 Python 包，可以生成超高维度的多类合成数据，用于评估各种特征筛选方法在生物识别领域的性能。
- ECCVGaitEdge：超越纯端到端步态识别以提高实用性
本文提出了一种名为 GaitEdge 的新型端到端框架，利用行人分割网络合成可训练的身体边缘和固定内部的合成剪影来屏蔽步态非相关信息，实现端到端训练，经实验验证，在 CASIA-B 和作者新建的 TTG-200 数据集上，GaitEdge - 基于模板级别知识蒸馏的面部识别技术
本文提出了一个掩码不变的面部识别解决方案 (MaskInv)，它利用模板级知识蒸馏和基于边距的身份分类损失 ElasticFace 来对具有遮罩的面孔进行嵌入学习。在两个真实的有遮罩人脸数据库和五个主流数据库以及合成遮罩的数据集上的逐步去除 - 使用判别小波子带检测变形人脸图像
通过使用特征提取方法 2D-DWT，熵值比较、Kullback-Leibler 散度的计算以及 22 个最显著子带的筛选，建立了一个基于深度学习的方法来检测面部识别中常见的形态攻击。在三个数据集上的实验结果表明该算法具有优异的检测效果。
- 生物识别中的人口群体偏见：一项关键挑战的调查
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。
- AAAI部分遮挡生物特征的动态图表示
本篇研究提出了一种称为动态图表示（DGR）的新颖统一框架，整合了卷积神经网络（CNNs）和图模型的优点，用于学习生物识别中的遮挡问题，其中通过分析节点间的相似性，能够自适应地移除代表被遮挡部分的节点，实验结果表明该方法优于基线方法并可大幅提 - ICCV基于注意力特征对关系网络的准确人脸识别
本论文提出了一种名为 AFRN 的人脸识别方法，它是通过考虑注意力分数来表示本地外观块特征的相关配对，以增加准确性并通过使用双线性注意力网络提取联合特征 - 对关系。在实验中，该方法在诸多数据集上的表现均超越了现有的最先进的方法。
- 基于零样本深度哈希和神经网络的人脸模板保护纠错
本文提出一种结合深度哈希框架和神经网络解码器（NND）的新型体系结构，用于人脸模板保护，可以在零 - 拍摄、一次拍摄和多次拍摄注册的情况下提供更好的匹配性能，并且由于不需要重新训练，可以避免添加新主体时需要重新训练的问题.