論文の概要: Fingerprint Template Invertibility: Minutiae vs. Deep Templates

• arxiv url: http://arxiv.org/abs/2205.03809v1
• Date: Sun, 8 May 2022 07:50:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-10 15:49:03.497011
• Title: Fingerprint Template Invertibility: Minutiae vs. Deep Templates
• Title（参考訳）: 指紋テンプレートの可逆性:Minutiae vs. Deep Templates
• Authors: Kanishka P. Wijewardena, Steven A. Grosz, Kai Cao, Anil K. Jain
• Abstract要約: 深部指紋テンプレートがミツイアテンプレートと同じ再建攻撃を受けているかを評価する。 深層テンプレートを逆転させて、その原画像と一致できる指紋画像を生成することができるが、深部テンプレートは無栄養テンプレートよりも復元攻撃に耐性がある。
• 参考スコア（独自算出の注目度）: 39.45534472112885
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Much of the success of fingerprint recognition is attributed to minutiae-based fingerprint representation. It was believed that minutiae templates could not be inverted to obtain a high fidelity fingerprint image, but this assumption has been shown to be false. The success of deep learning has resulted in alternative fingerprint representations (embeddings), in the hope that they might offer better recognition accuracy as well as non-invertibility of deep network-based templates. We evaluate whether deep fingerprint templates suffer from the same reconstruction attacks as the minutiae templates. We show that while a deep template can be inverted to produce a fingerprint image that could be matched to its source image, deep templates are more resistant to reconstruction attacks than minutiae templates. In particular, reconstructed fingerprint images from minutiae templates yield a TAR of about 100.0% (98.3%) @ FAR of 0.01% for type-I (type-II) attacks using a state-of-the-art commercial fingerprint matcher, when tested on NIST SD4. The corresponding attack performance for reconstructed fingerprint images from deep templates using the same commercial matcher yields a TAR of less than 1% for both type-I and type-II attacks; however, when the reconstructed images are matched using the same deep network, they achieve a TAR of 85.95% (68.10%) for type-I (type-II) attacks. Furthermore, what is missing from previous fingerprint template inversion studies is an evaluation of the black-box attack performance, which we perform using 3 different state-of-the-art fingerprint matchers. We conclude that fingerprint images generated by inverting minutiae templates are highly susceptible to both white-box and black-box attack evaluations, while fingerprint images generated by deep templates are resistant to black-box evaluations and comparatively less susceptible to white-box evaluations.
• Abstract（参考訳）: 指紋認証の成功の多くは、minutiaeベースの指紋表現によるものである。 微細なテンプレートは高忠実度指紋画像を得るために逆転できないと考えられていたが、この仮定は誤りであることが示されている。 ディープラーニングの成功は、より優れた認識精度とディープネットワークベースのテンプレートの非可逆性を提供することを期待して、代替の指紋表現(埋め込み)を生み出した。 深部指紋テンプレートがminutiaeテンプレートと同じレコンストラクション攻撃に苦しむかどうかを評価する。 深層テンプレートを逆転させて、その原画像と一致できる指紋画像を生成することができるが、深部テンプレートは無栄養テンプレートよりも復元攻撃に耐性がある。 特に、minutiaeテンプレートから再構成された指紋画像では、nist sd4でテストされた場合、type-i (type-ii)攻撃に対して約100.0% (98.3%)@0.01%のタールが得られる。 同一の商用マッカーを用いた深層テンプレートからの指紋画像再構成時の攻撃性能は、タイプIとタイプIIの攻撃で1%未満のTARが得られるが、再構成された画像が同一のディープネットワークでマッチングされると、タイプI(タイプII)攻撃で85.95%(68.10%)のTARが得られる。 さらに,従来の指紋テンプレートインバージョン研究に欠けているのは,3種類の最先端指紋照合器を用いてブラックボックス攻撃性能の評価である。 その結果,minutiaeテンプレートを反転させた指紋画像はホワイトボックスアタック評価とブラックボックスアタック評価の両方に対して高い感受性を示し,ディープテンプレートによる指紋画像はブラックボックス評価に耐性があり,ホワイトボックス評価に比較的感受性が低いことがわかった。

関連論文リスト

• Finger-UNet: A U-Net based Multi-Task Architecture for Deep Fingerprint Enhancement [0.0]
  指紋認識/検証パイプラインの初期段階において、指紋強調は重要な役割を果たす。 低品質指紋を効果的に改善するために,U-Netの直感的な修正を提案する。 モデルのメモリフットプリントを大幅に削減するため,通常の畳み込みを奥行き分離可能な畳み込みに置き換える。
  論文  参考訳（メタデータ） (2023-10-01T09:49:10Z)
• RFDforFin: Robust Deep Forgery Detection for GAN-generated Fingerprint Images [45.73061833269094]
  本稿では,GAN生成画像の独自の隆起特性と生成アーティファクトを組み合わせた指紋画像に対する最初の深部偽造検出手法を提案する。 提案手法は,低複雑性で有効かつ堅牢である。
  論文  参考訳（メタデータ） (2023-08-18T04:05:18Z)
• Mask and Restore: Blind Backdoor Defense at Test Time with Masked Autoencoder [57.739693628523]
  Masked AutoEncoder (BDMAE) を用いたブラインドバックドア防御のためのフレームワークを提案する。 BDMAEは、画像構造的類似性とテスト画像とMAE復元の間のラベル整合性を用いて、トークン空間で可能なトリガを検出する。 私たちのアプローチは、モデル復元、パターンのトリガー、画像の良心に盲目です。
  論文  参考訳（メタデータ） (2023-03-27T19:23:33Z)
• Deep Age-Invariant Fingerprint Segmentation System [2.654502128955621]
  指紋ベースの識別システムは、被験者の複数の指紋を含むスラップを1つの指紋の代わりに使用する場合、より高い精度を達成する。 スラップ画像中のすべての指紋のセグメント化や自動局在化は、指紋の向き、ノイズの多い背景、指先成分の小さいサイズのために難しい作業である。 深層学習に基づくアルゴリズムを用いて,軸方向と過回転の両スラップ画像から指紋を正確に位置決めし,ラベル付けする任意の角度境界ボックスを生成する手法を提案する。
  論文  参考訳（メタデータ） (2023-03-06T18:21:16Z)
• Synthetic Latent Fingerprint Generator [47.87570819350573]
  フル指紋画像(ローリングまたはスラップ)が与えられた場合、私たちはCycleGANモデルを示し、フルプリントと同じアイデンティティの複数の潜在印象を生成する。 我々のモデルは、生成された潜在印刷画像の歪み、ノイズ、ぼかし、閉塞の程度を制御できる。 合成潜入指紋を生成する手法は,潜入指紋の認識性能向上に有効である。
  論文  参考訳（メタデータ） (2022-08-29T18:02:02Z)
• Hierarchical Perceptual Noise Injection for Social Media Fingerprint Privacy Protection [106.5308793283895]
  ソーシャルメディアからの指紋漏洩は 画像を匿名化したいという強い欲求を喚起します 指紋漏洩を保護するために、画像に知覚不能な摂動を加えることにより、敵攻撃が解決策として現れる。 この問題を解決するために,階層型パーセプティカルノイズ注入フレームワークであるFingerSafeを提案する。
  論文  参考訳（メタデータ） (2022-08-23T02:20:46Z)
• FIGO: Enhanced Fingerprint Identification Approach Using GAN and One Shot Learning Techniques [0.0]
  本稿では,生成逆数ネットワークとワンショット学習技術に基づく指紋識別手法を提案する。 まず,低画質の指紋画像を,指紋強調層に直接画素を向けて高レベルの指紋画像に変換するPix2Pixモデルを提案する。 第2に,指紋識別プロセスにおいて,各指紋を他の指紋と区別するために,ワンショット学習アプローチを用いた完全自動指紋特徴抽出モデルを構築した。
  論文  参考訳（メタデータ） (2022-08-11T02:45:42Z)
• A review of schemes for fingerprint image quality computation [66.32254395574994]
  本稿では,指紋画像品質計算における既存手法について概説する。 また、9000個の指紋画像を含むMCYTデータベースを用いて、それらの選択を実装し、テストし、比較する。
  論文  参考訳（メタデータ） (2022-07-12T10:34:03Z)
• FingerGAN: A Constrained Fingerprint Generation Scheme for Latent Fingerprint Enhancement [23.67808389519383]
  拘束指紋生成問題として潜伏指紋強調法を定式化する手法を提案する。 2つの公開潜伏指紋データベースによる実験結果から,本手法が芸術の状態を著しく上回ることが示された。
  論文  参考訳（メタデータ） (2022-06-26T14:05:21Z)

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。