論文の概要: Hierarchical Perceptual Noise Injection for Social Media Fingerprint Privacy Protection

• arxiv url: http://arxiv.org/abs/2208.10688v1
• Date: Tue, 23 Aug 2022 02:20:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-24 12:23:55.278041
• Title: Hierarchical Perceptual Noise Injection for Social Media Fingerprint Privacy Protection
• Title（参考訳）: ソーシャルメディア指紋プライバシー保護のための階層型知覚雑音注入
• Authors: Simin Li, Huangxinxin Xu, Jiakai Wang, Aishan Liu, Fazhi He, Xianglong Liu, Dacheng Tao
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 106.5308793283895
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Billions of people are sharing their daily life images on social media every day. However, their biometric information (e.g., fingerprint) could be easily stolen from these images. The threat of fingerprint leakage from social media raises a strong desire for anonymizing shared images while maintaining image qualities, since fingerprints act as a lifelong individual biometric password. To guard the fingerprint leakage, adversarial attack emerges as a solution by adding imperceptible perturbations on images. However, existing works are either weak in black-box transferability or appear unnatural. Motivated by visual perception hierarchy (i.e., high-level perception exploits model-shared semantics that transfer well across models while low-level perception extracts primitive stimulus and will cause high visual sensitivities given suspicious stimulus), we propose FingerSafe, a hierarchical perceptual protective noise injection framework to address the mentioned problems. For black-box transferability, we inject protective noises on fingerprint orientation field to perturb the model-shared high-level semantics (i.e., fingerprint ridges). Considering visual naturalness, we suppress the low-level local contrast stimulus by regularizing the response of Lateral Geniculate Nucleus. Our FingerSafe is the first to provide feasible fingerprint protection in both digital (up to 94.12%) and realistic scenarios (Twitter and Facebook, up to 68.75%). Our code can be found at https://github.com/nlsde-safety-team/FingerSafe.
• Abstract（参考訳）: 何十億もの人々が毎日ソーシャルメディアで日々の生活イメージを共有している。 しかし、それらの生体情報(例えば指紋)はこれらの画像から容易に盗み取ることができる。 ソーシャルメディアからの指紋漏洩の脅威は、指紋が生涯にわたって個々の生体認証パスワードとして機能するため、画像の品質を維持しながら共有画像の匿名化を強く望んでいる。 指紋の漏えいを保護するため、画像に不可避な摂動を加えることで、逆境攻撃が解決策として現れる。 しかし、既存の作品はブラックボックス転送性が弱いか不自然に見える。 視覚知覚階層(すなわち、低レベルの知覚が原始的な刺激を抽出し、不審な刺激によって高い視覚感性を引き起こすモデル共有セマンティクスを利用する)に動機づけられた、階層的知覚保護ノイズ注入フレームワークであるfingersafeを提案する。 ブラックボックス転送性については,モデル共有のハイレベルセマンティクス(すなわち指紋リッジ)を乱すため,指紋方向場に保護ノイズを注入する。 視覚的自然性を考慮すると,側方核の反応を規則化し,低レベルの局所コントラスト刺激を抑制する。 私たちのフィンガーセーフは、デジタル(94.12%まで)と現実的なシナリオ(TwitterとFacebook、最大68.75%まで)の両方で実現可能な指紋保護を初めて提供する。 私たちのコードはhttps://github.com/nlsde-safety-team/FingerSafeにある。

関連論文リスト

• PrintListener: Uncovering the Vulnerability of Fingerprint Authentication via the Finger Friction Sound [23.149939556959772]
  我々は、ミツバチを用いた自動指紋識別システム(AFIS)に対する新たなサイドチャネル攻撃を提案する。 PrintListenerの攻撃シナリオは広範で隠蔽されている。ユーザの指先摩擦音を記録するだけで、多数のソーシャルメディアプラットフォームを活用することで起動できる。
  論文  参考訳（メタデータ） (2024-04-14T10:55:15Z)
• 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)
• On the vulnerability of fingerprint verification systems to fake fingerprint attacks [57.36125468024803]
  中規模の偽指紋データベースを記述し、2つの異なる指紋認証システムを評価する。 光およびサーマルスイーピングセンサの結果が提供される。
  論文  参考訳（メタデータ） (2022-07-11T12:22:52Z)
• 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)
• A Comparative Study of Fingerprint Image-Quality Estimation Methods [54.84936551037727]
  画質の悪い画像は、突発的で欠落した特徴をもたらし、システム全体の性能を低下させる。 本稿では,指紋画像品質評価のための既存手法について概説する。 また,指紋画像品質推定アルゴリズムの選定も行った。
  論文  参考訳（メタデータ） (2021-11-14T19:53:12Z)
• Responsible Disclosure of Generative Models Using Scalable Fingerprinting [70.81987741132451]
  深層生成モデルは質的に新しいパフォーマンスレベルを達成した。 この技術がスプーフセンサーに誤用され、ディープフェイクを発生させ、大規模な誤情報を可能にするという懸念がある。 最先端のジェネレーションモデルを責任を持って公開することで、研究者や企業がモデルに指紋を刻むことができます。
  論文  参考訳（メタデータ） (2020-12-16T03:51:54Z)
• Are spoofs from latent fingerprints a real threat for the best state-of-art liveness detectors? [9.666104375359701]
  ScreenSpoofメソッドは、被害者の完全なコンセンサスで作られたスプーフを使った攻撃と同様に、検出と検証の誤りの点で、同じレベルの脅威である。
  論文  参考訳（メタデータ） (2020-07-07T13:04:40Z)
• 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)
• An Overview of Fingerprint-Based Authentication: Liveness Detection and Beyond [0.0]
  我々は,生きた人間がシステム上で認証しようとしていることを確実にするための技術として定義されている,身体の活力を検出する方法に焦点をあてる。 我々は、悪意ある人物が指紋認証システムを騙して偽の指を本物として受け入れようとする攻撃を防ぐのに、これらの手法がいかに効果的かを分析する。
  論文  参考訳（メタデータ） (2020-01-24T20:07:53Z)

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。