論文の概要: Deep Face Fuzzy Vault: Implementation and Performance

• arxiv url: http://arxiv.org/abs/2102.02458v1
• Date: Thu, 4 Feb 2021 07:37:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-05 16:28:52.240685
• Title: Deep Face Fuzzy Vault: Implementation and Performance
• Title（参考訳）: Deep Face Fuzzy Vault: 実装とパフォーマンス
• Authors: Christian Rathgeb, Johannes Merkle, Johanna Scholz, Benjamin Tams, Vanessa Nesterowicz
• Abstract要約: ディープフェイスファジィVaultベースのテンプレート保護スキームを無リンクで改善した。 顔からのデジタルキーの派生と同様に、顔参照データのプライバシー保護を提供する。
• 参考スコア（独自算出の注目度）: 5.251555525361623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep convolutional neural networks have achieved remarkable improvements in facial recognition performance. Similar kinds of developments, e.g. deconvolutional neural networks, have shown impressive results for reconstructing face images from their corresponding embeddings in the latent space. This poses a severe security risk which necessitates the protection of stored deep face embeddings in order to prevent from misuse, e.g. identity fraud. In this work, an unlinkable improved deep face fuzzy vault-based template protection scheme is presented. To this end, a feature transformation method is introduced which maps fixed-length real-valued deep face embeddings to integer-valued feature sets. As part of said feature transformation, a detailed analysis of different feature quantisation and binarisation techniques is conducted using features extracted with a state-of-the-art deep convolutional neural network trained with the additive angular margin loss (ArcFace). At key binding, obtained feature sets are locked in an unlinkable improved fuzzy vault. For key retrieval, the efficiency of different polynomial reconstruction techniques is investigated. The proposed feature transformation method and template protection scheme are agnostic of the biometric characteristic and, thus, can be applied to virtually any biometric features computed by a deep neural network. For the best configuration, a false non-match rate below 1% at a false match rate of 0.01%, is achieved in cross-database experiments on the FERET and FRGCv2 face databases. On average, a security level of up to approximately 28 bits is obtained. This work presents the first effective face-based fuzzy vault scheme providing privacy protection of facial reference data as well as digital key derivation from face.
• Abstract（参考訳）: 深い畳み込みニューラルネットワークは、顔認識性能を大幅に改善した。 類似した発展、例えば 畳み込みニューラルネットワークは 顔画像の再構築に 素晴らしい結果をもたらしました 対応する埋め込みから 潜伏した空間に これは深刻なセキュリティリスクを引き起こし、例えば、誤用を防ぐために保存された深い顔の埋め込みの保護を必要とします。 身元確認詐欺 本稿では,リンク不能なディープフェイスファジィ型ファジィ型テンプレート保護スキームを提案する。 そのために、固定長実値深面埋め込みを整数値特徴集合にマップする特徴変換法が導入された。 この特徴変換の一環として,加法角周縁損失(arcface)を訓練した最先端深層畳み込みニューラルネットワークを用いて,異なる特徴量化と2値化手法の詳細な解析を行う。 キーバインディングでは、得られた機能セットはリンク不能な改良されたファジィボールトにロックされる。 キー検索のために、異なる多項式再構成技術の効率を検討する。 提案する特徴変換法とテンプレート保護スキームは生体計測特性に依存せず、ディープニューラルネットワークによって計算される事実上あらゆる生体計測特徴に適用することができる。 最良の構成のために、FERETおよびFRGCv2フェースデータベースのクロスデータベース実験において、偽一致率0.01%で1%以下の偽非マッチ率が達成される。 平均して、約28ビットのセキュリティレベルが得られます。 本研究は、顔参照データのプライバシー保護と顔からのデジタル鍵導出を提供する、顔ベースのファジィ・バーソルドスキームを初めて実現する。

関連論文リスト

• G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
  可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。 本稿では,Gtextsuperscript2Faceを提案する。 提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
  論文  参考訳（メタデータ） (2024-08-18T12:36:47Z)
• 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)
• Privacy-Preserving Face Recognition in Hybrid Frequency-Color Domain [16.05230409730324]
  顔画像は、各ユーザのアイデンティティ情報に関連付けられた、敏感なバイオメトリック属性である。 本稿では,顔認識の入力次元を低減するために,ハイブリッド周波数-カラー融合法を提案する。 1:Nの検証シナリオの最先端よりも約2.6%から4.2%高い精度を持つ。
  論文  参考訳（メタデータ） (2024-01-24T11:27:32Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• 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)
• Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• Exposing Deepfake with Pixel-wise AR and PPG Correlation from Faint Signals [3.0034765247774864]
  ディープフェイクは、法的証拠と知的財産保護の信頼性に深刻な脅威をもたらす。 既存の画素レベルの検出方法は、偽ビデオの増大するリアリズムに抵抗できない。 フェースビデオに隠された暗信号を通してディープフェイクを露呈する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-29T06:05:52Z)
• End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
  最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。 本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。 我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
  論文  参考訳（メタデータ） (2021-08-21T09:08:41Z)
• Hierarchical Convolutional Neural Network with Feature Preservation and Autotuned Thresholding for Crack Detection [5.735035463793008]
  ドローンの画像はインフラ表面の欠陥の自動検査にますます使われている。 本稿では,階層型畳み込みニューラルネットワークを用いた深層学習手法を提案する。 提案手法は, 道路, 橋, 舗装の表面ひび割れの同定に応用されている。
  論文  参考訳（メタデータ） (2021-04-21T13:07:58Z)
• Towards Transferable Adversarial Attack against Deep Face Recognition [58.07786010689529]
  ディープ畳み込みニューラルネットワーク(DCNN)は敵の例に弱いことが判明した。 転送可能な敵の例は、DCNNの堅牢性を著しく妨げます。 DFANetは畳み込み層で使用されるドロップアウトベースの手法であり,サロゲートモデルの多様性を高めることができる。 クエリなしで4つの商用APIをうまく攻撃できる新しい対向顔ペアを生成します。
  論文  参考訳（メタデータ） (2020-04-13T06:44:33Z)

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。