論文の概要: Biometric Template Protection for Neural-Network-based Face Recognition
Systems: A Survey of Methods and Evaluation Techniques
- arxiv url: http://arxiv.org/abs/2110.05044v1
- Date: Mon, 11 Oct 2021 07:25:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-13 05:06:59.412859
- Title: Biometric Template Protection for Neural-Network-based Face Recognition
Systems: A Survey of Methods and Evaluation Techniques
- Title（参考訳）: ニューラルネットワークに基づく顔認識システムの生体認証テンプレート保護:手法と評価手法の検討
- Authors: Vedrana Krivoku\'ca Hahn and S\'ebastien Marcel
- Abstract要約: ニューラルネットワークベースの顔認識システムにおいて、顔テンプレートを保護するバイオメトリックテンプレート保護(BTP)方法。
非NNおよびNN学習面BTP法は、非NN学習面BTP法と非NN学習面BTP法に分類される。
本報告では,Non-NN と NN が指導する顔 BTP 手法の事例について述べるとともに,両カテゴリの比較長所と短所について考察する。
また,これらのBTP手法の評価手法について,認識精度,不可逆性,更新可能性/無リンク性という,最も一般的な3つの基準の観点から検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a survey of biometric template protection (BTP) methods
for securing face templates in neural-network-based face recognition systems.
The BTP methods are categorised into two types: Non-NN and NN-learned. Non-NN
methods use a neural network (NN) as a feature extractor, but the BTP part is
based on a non-NN algorithm applied at image-level or feature-level. In
contrast, NN-learned methods specifically employ a NN to learn a protected
template from the unprotected face image/features. We present examples of
Non-NN and NN-learned face BTP methods from the literature, along with a
discussion of the two categories' comparative strengths and weaknesses. We also
investigate the techniques used to evaluate these BTP methods, in terms of the
three most common criteria: recognition accuracy, irreversibility, and
renewability/unlinkability. As expected, the recognition accuracy of protected
face recognition systems is generally evaluated using the same (empirical)
techniques employed for evaluating standard (unprotected) biometric systems. On
the contrary, most irreversibility and renewability/unlinkability evaluations
are based on theoretical assumptions/estimates or verbal implications, with no
empirical validation in a practical face recognition context. So, we recommend
a greater focus on empirical evaluation strategies, to provide more concrete
insights into the irreversibility and renewability/unlinkability of face BTP
methods in practice. An exploration of the reproducibility of the studied BTP
works, in terms of the public availability of their implementation code and
evaluation datasets/procedures, suggests that it would currently be difficult
for the BTP community to faithfully replicate (and thus validate) most of the
reported findings. So, we advocate for a push towards reproducibility, in the
hope of furthering our understanding of the face BTP research field.
- Abstract（参考訳）: 本稿では,ニューラルネットワークを用いた顔認識システムにおける顔テンプレート保護のためのバイオメトリックテンプレート保護(BTP)手法について検討する。
BTP法はNon-NNとNN-learnedの2種類に分類される。
非NN法は、特徴抽出器としてニューラルネットワーク(NN)を用いるが、BTP部は、画像レベルまたは特徴レベルで適用される非NNアルゴリズムに基づいている。
これとは対照的に、NN学習法はNNを使用して、保護されていない顔画像/特徴から保護されたテンプレートを学習する。
本稿では,両カテゴリの比較強みと弱みについて論じるとともに,非nnおよびnn学習面btp法を文献から例示する。
また, 認識精度, 非可逆性, 更新性/非リンク性という3つの基準を用いて, これらのbtp法を評価する手法について検討した。
予想通り、保護された顔認識システムの認識精度は、標準(保護されていない)生体認証システムの評価に使用されるのと同じ(経験的)技術を用いて評価される。
それとは対照的に、最も不可逆性と更新性/リンク性の評価は、理論的仮定/推定または言語的含意に基づいており、実用的な顔認識の文脈における実証的な検証は行われていない。
そこで我々は,経験的評価戦略にもっと焦点をあてて,実際の顔BTP手法の不可逆性と更新性/無リンク性について,より具体的な知見を提供することを推奨する。
調査対象のBTP作業の再現性について、実装コードと評価データセット/調達の公開性の観点から検討した結果、BTPコミュニティが報告された結果のほとんどを忠実に再現(そして検証)することが現在困難であることを示唆している。
ですから私たちは,face btp研究分野の理解を深めるために,再現性への推進を提唱しています。
関連論文リスト
- The Pitfalls and Promise of Conformal Inference Under Adversarial Attacks [90.52808174102157]
医療画像や自律運転などの安全クリティカルな応用においては、高い敵の堅牢性を維持し、潜在的敵の攻撃から保護することが不可欠である。
敵対的に訓練されたモデルに固有の不確実性に関して、注目すべき知識ギャップが残っている。
本研究では,共形予測(CP)の性能を標準対向攻撃の文脈で検証することにより,ディープラーニングモデルの不確実性について検討する。
論文 参考訳（メタデータ） (2024-05-14T18:05:19Z) - Towards Evaluating Transfer-based Attacks Systematically, Practically,
and Fairly [79.07074710460012]
ディープニューラルネットワーク(DNN)の敵対的脆弱性に大きな注目を集めている。
ブラックボックスDNNモデルを騙すための転送ベース手法が増えている。
30以上のメソッドを実装した転送ベースアタックベンチマーク(TA-Bench)を確立する。
論文 参考訳（メタデータ） (2023-11-02T15:35:58Z) - Analysis of Recent Trends in Face Recognition Systems [0.0]
クラス間の類似性とクラス内変異により、顔認識システムは、それぞれ偽マッチングと偽非マッチエラーを生成する。
近年の研究では、抽出した特徴の堅牢性向上と、認識精度を高めるための前処理アルゴリズムに焦点が当てられている。
論文 参考訳（メタデータ） (2023-04-23T18:55:45Z) - Fingerprint Image-Quality Estimation and its Application to
Multialgorithm Verification [56.128200319868526]
信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。
本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。
定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
論文 参考訳（メタデータ） (2022-11-24T12:17:49Z) - Evaluation of Interpretability for Deep Learning algorithms in EEG
Emotion Recognition: A case study in Autism [4.752074022068791]
説明可能な人工知能(XAI)に関する現在のモデルでは、特徴関連性を測定するための信頼性の欠如が明らかで定量化されている。
この研究は、脳波に基づく顔の感情認識を成功させるために、より透明な特徴関連計算を統合する最初のものである。
論文 参考訳（メタデータ） (2021-11-25T18:28:29Z) - Learning Meta Pattern for Face Anti-Spoofing [26.82129880310214]
顔認証システムにはFAS(Face Anti-Spoofing)が不可欠である。
近年,タスク対応手工芸品の特徴を抽出するためのハイブリッド手法が研究されている。
学習から学習までのフレームワークでメタパターン(MP)を抽出する学習可能なネットワークを提案する。
論文 参考訳（メタデータ） (2021-10-13T14:34:20Z) - Incremental Verification of Fixed-Point Implementations of Neural
Networks [0.19573380763700707]
インクリメンタル境界モデル検査(BMC)、満足度変調理論(SMT)、不変推論を用いた新しいシンボル検証フレームワークの開発と評価を行った。
提案手法は,異なる入力画像を考慮した21の試験事例の85.8%,カバー手法に関連する特性の100%を検証・生成することができた。
論文 参考訳（メタデータ） (2020-12-21T10:03:44Z) - Confidence Estimation via Auxiliary Models [47.08749569008467]
モデル信頼のための新しいターゲット基準、すなわち真のクラス確率(TCP)を紹介します。
標準最大クラス確率 (MCP) よりも TCP が信頼度推定に優れた特性を提供することを示す。
論文 参考訳（メタデータ） (2020-12-11T17:21:12Z) - Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
顔認識システムのセキュリティには、顔の偽造が不可欠だ。
本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
論文 参考訳（メタデータ） (2020-08-19T03:54:23Z) - Toward Reliable Models for Authenticating Multimedia Content: Detecting
Resampling Artifacts With Bayesian Neural Networks [9.857478771881741]
信頼性を重視した法医学的アルゴリズムの再設計に向けた第一歩を踏み出します。
本稿では,ディープニューラルネットワークのパワーとベイズフレームワークの厳密な確率的定式化を組み合わせたベイズニューラルネットワーク(BNN)を提案する。
BNNは、最先端の検出性能と、配布外サンプルを検出する優れた能力を得る。
論文 参考訳（メタデータ） (2020-07-28T11:23:40Z) - 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。