論文の概要: Security in biometric systems
- arxiv url: http://arxiv.org/abs/2011.05679v1
- Date: Wed, 11 Nov 2020 10:16:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-24 11:50:39.542284
- Title: Security in biometric systems
- Title（参考訳）: 生体認証システムのセキュリティ
- Authors: Francesc Serratosa
- Abstract要約: 生体認証システムの目的は、識別メカニズムを提供することである。
リソースに対するセキュリティの提供に関連する最も一般的なものは、通常、認定された人員の認証または検出である。
第2章では、指紋認証、顔認識、虹彩認識に基づくシステムによる攻撃について記述している。
- 参考スコア（独自算出の注目度）: 11.127510588502233
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The objective of biometric systems is to provide an identification mechanism.
This identification mechanism can be used to fulfil several objectives. The
most common, related to providing security to a resource, is usually
authentication or detection of authorized personnel and detection of
unauthorized personnel. From the technical point of view, these two objectives
can be included in a single point since most functionalities are achieved by
making searches of people previously identified in the database of the system
in question. In the first case access is given to people entered in the
database and in the second case access is given to people who are not entered
in the database. Although these are the two most common attacks there are also
others that we will discuss in this chapter. The structure of the chapter is as
follows. The first part of the chapter gives an overview of the basic types of
attacks and describes the usual protection measures (Sections 1, 2 and 3). The
second part of the chapter describes several attacks that can be made on
systems based on fingerprinting, face recognition, and iris recognition
(Sections 4 and 5). Once the attack methodologies have been described, some
specific protection measures are also discussed (Sections 4 and 5). Finally,
side channel attacks and their usefulness in combination with other possible
attacks are described (Section 6).
- Abstract（参考訳）: 生体認証システムの目的は、識別メカニズムを提供することである。
この識別機構は、いくつかの目的を満たすために使用できる。
リソースへのセキュリティ提供に関連する最も一般的なものは、通常、認定された人員の認証または検出と、不正な人員の検出である。
技術的な見地からすると、これらの2つの目的は、ほとんどの機能が、問題のシステムのデータベースで以前に特定された人物を検索することで達成されるため、単一のポイントに含めることができる。
第1のケースでは、データベースに入力された人にアクセスが与えられ、第2のケースでは、データベースに入力されていない人にアクセスが与えられる。
これらは最も一般的な2つの攻撃であるが、この章で議論するものもある。
巻構成は以下の通り。
第1章では、攻撃の基本的な種類を概説し、通常の防御策(セクション1、2、3)を記述している。
第2章では、指紋認証、顔認識、虹彩認識に基づくシステムによる攻撃について記述している(第4章、第5章)。
攻撃方法が記述されると、いくつかの特定の保護策も議論される(第4節と第5節)。
最後に、サイドチャネル攻撃とその有用性を他の攻撃と組み合わせて記述する(第6節)。
関連論文リスト
- Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
模倣攻撃は 不正な識別と その後の攻撃者の認証につながる
顔認識と同様に、模倣攻撃も機械学習で検出できる。
本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-08-27T07:26:10Z) - Supervised and Unsupervised Alignments for Spoofing Behavioral Biometrics [7.021534792043867]
生体認証システムはユーザ固有の特性に基づいており、通常は埋め込みと呼ばれる高次元表現に符号化される。
我々は,アライメント手法を用いて,2つの行動バイオメトリックシステムに対してスプーフィング攻撃を行う。
論文 参考訳（メタデータ） (2024-08-14T20:46:59Z) - Model Pairing Using Embedding Translation for Backdoor Attack Detection on Open-Set Classification Tasks [63.269788236474234]
バックドア検出のためのオープンセット分類タスクにモデルペアを用いることを提案する。
このスコアは、異なるアーキテクチャのモデルがあるにもかかわらず、バックドアの存在を示す指標であることを示している。
この技術は、オープンセット分類タスク用に設計されたモデル上のバックドアの検出を可能にするが、文献ではほとんど研究されていない。
論文 参考訳（メタデータ） (2024-02-28T21:29:16Z) - Untargeted Near-collision Attacks on Biometrics: Real-world Bounds and
Theoretical Limits [0.0]
オンラインとオフラインの両方、そして識別モードと検証モードの両方で実行できる未ターゲティングな攻撃に焦点を当てます。
我々は、これらのシステムのセキュリティに対処するために、False Match Rate(FMR)とFalse Positive Identification Rate(FPIR)を用いる。
この距離空間とシステムパラメータの研究は、標的外攻撃の複雑さと近接衝突の確率を与える。
論文 参考訳（メタデータ） (2023-04-04T07:17:31Z) - Face Presentation Attack Detection [59.05779913403134]
顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。
しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
論文 参考訳（メタデータ） (2022-12-07T14:51:17Z) - An anomaly detection approach for backdoored neural networks: face
recognition as a case study [77.92020418343022]
本稿では,異常検出の原理に基づく新しいバックドアネットワーク検出手法を提案する。
バックドアネットワークの新たなデータセット上で本手法を検証し,完全スコアで検出可能性について報告する。
論文 参考訳（メタデータ） (2022-08-22T12:14:13Z) - Introduction to Presentation Attack Detection in Face Biometrics and
Recent Advances [21.674697346594158]
次のページでは、顔認識システムが直面する可能性のある、異なるプレゼンテーションアタックを示す。
顔認識の現状と,その展開レベル,課題について紹介する。
我々は,より単純なものからより複雑なものまで,さまざまな種類のプレゼンテーションアタック手法について検討し,その効果を検証した。
論文 参考訳（メタデータ） (2021-11-23T11:19:22Z) - Differential Anomaly Detection for Facial Images [15.54185745912878]
アイデンティティ攻撃は、不正アクセスと偽情報の拡散に使用できるため、セキュリティ上の大きな脅威となる。
同一性攻撃を検出するほとんどのアルゴリズムは、訓練時に未知の攻撃タイプに悪影響を及ぼす。
本稿では,まず画像から深層面の埋め込みを抽出する差動異常検出フレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-07T13:45:13Z) - Biometrics: Trust, but Verify [49.9641823975828]
バイオメトリック認識は、世界中のさまざまなアプリケーションに爆発しました。
生体認証システムの様々なサブモジュールに関する多くの顕著な問題と懸念があります。
論文 参考訳（メタデータ） (2021-05-14T03:07:25Z) - FACESEC: A Fine-grained Robustness Evaluation Framework for Face
Recognition Systems [49.577302852655144]
FACESECは、顔認識システムのきめ細かい堅牢性評価のためのフレームワークです。
5つの顔認識システムをクローズド設定とオープン設定の両方で検討します。
ニューラルネットワークの正確な知識は、ブラックボックス攻撃におけるトレーニングデータの知識よりもはるかに重要である。
論文 参考訳（メタデータ） (2021-04-08T23:00:25Z) - Adversarial Attacks on Deep Learning Systems for User Identification
based on Motion Sensors [24.182791316595576]
本研究では,モーションセンサ信号に基づく明示的認証のための深層学習手法に焦点を当てた。
このシナリオでは、攻撃者は不正アクセスを得るために敵の例を作ることができる。
私たちの知る限りでは、機械学習モデルに対する敵攻撃の影響の定量化を目的とした最初の研究である。
論文 参考訳（メタデータ） (2020-09-02T14:35:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。