論文の概要: Fuzzy Commitments Offer Insufficient Protection to Biometric Templates Produced by Deep Learning

• arxiv url: http://arxiv.org/abs/2012.13293v1
• Date: Thu, 24 Dec 2020 15:28:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 13:54:06.709275
• Title: Fuzzy Commitments Offer Insufficient Protection to Biometric Templates Produced by Deep Learning
• Title（参考訳）: ディープラーニングによる生体認証テンプレートの保護が不十分なファジィコミットメント
• Authors: Danny Keller, Margarita Osadchy, and Orr Dunkelman
• Abstract要約: 本稿では,保護テンプレートを用いて顔画像の再構成を行う再構築攻撃を提案する。 最も単純な攻撃シナリオでは、再構築されたテンプレートの78%以上がアカウントのアンロックに成功した。 最も厳しい」設定でも、再構築された画像はシステムのFARよりも50倍から120倍の成功率を提供します。
• 参考スコア（独自算出の注目度）: 5.647098253348182
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we study the protection that fuzzy commitments offer when they are applied to facial images, processed by the state of the art deep learning facial recognition systems. We show that while these systems are capable of producing great accuracy, they produce templates of too little entropy. As a result, we present a reconstruction attack that takes a protected template, and reconstructs a facial image. The reconstructed facial images greatly resemble the original ones. In the simplest attack scenario, more than 78% of these reconstructed templates succeed in unlocking an account (when the system is configured to 0.1% FAR). Even in the "hardest" settings (in which we take a reconstructed image from one system and use it in a different system, with different feature extraction process) the reconstructed image offers 50 to 120 times higher success rates than the system's FAR.
• Abstract（参考訳）: 本研究では,顔画像に適用した場合のファジィコミットメントが与える保護について,最先端のディープラーニング顔認識システムを用いて検討する。 これらのシステムは高い精度を生み出すことができるが、エントロピーが少なすぎるテンプレートを生成する。 その結果,保護テンプレートを用いて顔画像の再構成を行う再構成攻撃が提案された。 再建された顔画像は、オリジナルのものと非常によく似ている。 最も単純な攻撃シナリオでは、再構築されたテンプレートの78%以上がアカウントのアンロックに成功した(システムが0.1% FARに設定されている場合)。 最も難しい」設定(あるシステムから再構成された画像を別のシステムで使用し、異なる特徴抽出プロセスで使用する)であっても、再構成された画像は、システム全体の50倍から120倍の成功率を提供する。

関連論文リスト

• OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
  拡散モデルは、顔の修復において顕著な性能を示した。 顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。 その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-26T07:07:48Z)
• PR-MIM: Delving Deeper into Partial Reconstruction in Masked Image Modeling [82.36394157396408]
  マスク付き画像モデリングは、学習表現において大きな成功を収めてきたが、膨大な計算コストによって制限されている。 コスト削減戦略の1つは、デコーダがマスクされたトークンのサブセットだけを再構築し、他のトークンを投げることである。 本稿では, 投棄されたトークンを極めて軽量に再構成するための, プログレッシブ・リコンストラクション・ストラテジとファテスト・サンプリング・ストラテジーを提案する。
  論文  参考訳（メタデータ） (2024-11-24T07:48:20Z)
• Overcoming False Illusions in Real-World Face Restoration with Multi-Modal Guided Diffusion Model [55.46927355649013]
  本稿では,新しいマルチモーダル・リアル・ワールド・フェイス・リカバリ技術を紹介する。 MGFRは偽の顔の特徴とアイデンティティの生成を緩和することができる。 5000のアイデンティティにまたがる23,000以上の高解像度の顔画像からなるReface-HQデータセットを提案する。
  論文  参考訳（メタデータ） (2024-10-05T13:46:56Z)
• Is Diffusion Model Safe? Severe Data Leakage via Gradient-Guided Diffusion Model [13.66943548640248]
  グラディエントリークは、現代の画像処理システムにおけるプライバシー侵害の潜在的な原因として特定されている。 本稿では,高解像度画像を盗むことができる新しい再構成攻撃法を提案する。 本手法は,画像再構成の画素単位の精度と時間効率の両方でSOTA攻撃ベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2024-06-13T14:41:47Z)
• Enhancing Privacy in Face Analytics Using Fully Homomorphic Encryption [8.742970921484371]
  本稿では,FHE(Fully Homomorphic Encryption)と,PolyProtectと呼ばれるテンプレート保護方式を組み合わせた新しい手法を提案する。 提案手法は,非可逆性と無リンク性を保証し,ソフトバイオメトリック埋め込みの漏洩を効果的に防止する。
  論文  参考訳（メタデータ） (2024-04-24T23:56:03Z)
• PFStorer: Personalized Face Restoration and Super-Resolution [19.479263766534345]
  顔修復の最近の進歩は、高品質でライフスタイルのアウトプットを生み出すことに顕著な成果を上げている。 しかし、驚くべき結果は、モデルに必要なコンテキストが欠如しているため、人のアイデンティティに忠実でないことがしばしばあります。 提案手法では, 個人像を用いて復元モデルをパーソナライズし, 詳細な情報を保持しつつ, 個人像に対して調整した復元を行う。
  論文  参考訳（メタデータ） (2024-03-13T11:39:30Z)
• TetraLoss: Improving the Robustness of Face Recognition against Morphing Attacks [7.092869001331781]
  顔認識システムは、高セキュリティアプリケーションに広くデプロイされている。 フェースモーフィングのようなデジタル操作は、顔認識システムにセキュリティ上の脅威をもたらす。 本稿では,ディープラーニングに基づく顔認識システムを,顔形態攻撃に対してより堅牢なものにするための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-21T21:04:05Z)
• PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
  保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。 本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
  論文  参考訳（メタデータ） (2023-07-18T10:55:54Z)
• Black-Box Face Recovery from Identity Features [61.950765357647605]
  我々はアルゴリズムをテストするために最先端の顔認識システム(ArcFace)を攻撃した。 我々のアルゴリズムは、最先端のソリューションに比べて、はるかに少ないクエリを必要とする。
  論文  参考訳（メタデータ） (2020-07-27T15:25:38Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。