論文の概要: Deep Learning in the Field of Biometric Template Protection: An Overview

• arxiv url: http://arxiv.org/abs/2303.02715v1
• Date: Sun, 5 Mar 2023 17:06:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 18:05:13.926348
• Title: Deep Learning in the Field of Biometric Template Protection: An Overview
• Title（参考訳）: バイオメトリックテンプレート保護分野における深層学習の展望
• Authors: Christian Rathgeb, Jascha Kolberg, Andreas Uhl, Christoph Busch
• Abstract要約: ディープラーニングは、生体認証を含むパターン認識の分野に革命をもたらした。 バイオメトリックテンプレート保護におけるバイオメトリックのパフォーマンス向上とセキュリティの相互関係を詳述する。 本稿では,バイオメトリックテンプレート保護に適した特徴表現を得るためのディープラーニングの利用について論じる。
• 参考スコア（独自算出の注目度）: 18.016337076888924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Today, deep learning represents the most popular and successful form of machine learning. Deep learning has revolutionised the field of pattern recognition, including biometric recognition. Biometric systems utilising deep learning have been shown to achieve auspicious recognition accuracy, surpassing human performance. Apart from said breakthrough advances in terms of biometric performance, the use of deep learning was reported to impact different covariates of biometrics such as algorithmic fairness, vulnerability to attacks, or template protection. Technologies of biometric template protection are designed to enable a secure and privacy-preserving deployment of biometrics. In the recent past, deep learning techniques have been frequently applied in biometric template protection systems for various purposes. This work provides an overview of how advances in deep learning take influence on the field of biometric template protection. The interrelation between improved biometric performance rates and security in biometric template protection is elaborated. Further, the use of deep learning for obtaining feature representations that are suitable for biometric template protection is discussed. Novel methods that apply deep learning to achieve various goals of biometric template protection are surveyed along with deep learning-based attacks.
• Abstract（参考訳）: 今日、ディープラーニングは最も人気があり、成功した機械学習の形式である。 ディープラーニングは、バイオメトリック認識を含むパターン認識の分野に革命をもたらした。 深層学習を利用した生体計測システムは、人間の性能を超越した、目覚しい認識精度を達成することが示されている。 このようなバイオメトリックのパフォーマンスの進歩とは別に、ディープラーニングの使用は、アルゴリズムの公正性、攻撃に対する脆弱性、テンプレート保護など、さまざまなバイオメトリックの共変量に影響を与えることが報告された。 バイオメトリックテンプレート保護技術は、バイオメトリックスのセキュアでプライバシに保護されたデプロイを可能にするように設計されている。 近年,様々な目的のためにバイオメトリックテンプレート保護システムに深層学習技術が頻繁に適用されている。 本稿では,深層学習の進歩が生体認証テンプレート保護の分野に与える影響について概説する。 バイオメトリックテンプレート保護におけるバイオメトリックのパフォーマンス向上とセキュリティの相互関係を詳述する。 さらに、バイオメトリックテンプレート保護に適した特徴表現を得るためのディープラーニングの利用についても論じる。 生体認証テンプレート保護のさまざまな目標を達成するために深層学習を適用する新しい手法について,深層学習に基づく攻撃とともに検討した。

関連論文リスト

• Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
  模倣攻撃は 不正な識別と その後の攻撃者の認証につながる 顔認識と同様に、模倣攻撃も機械学習で検出できる。 本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:26:10Z)
• A secure and private ensemble matcher using multi-vault obfuscated templates [1.3518297878940662]
  生成AIは、データ生成において前例のないリアリズム、多様性、効率を提供することによって、現代の機械学習に革命をもたらした。 バイオメトリックテンプレートのセキュリティとセキュアマッチングは、現代のバイオメトリックシステムにおいて最も求められている特徴である。 本稿では,バイオメトリックテンプレートのセキュリティを高めるために,ジェネレーティブAIを用いた新しい難読化手法を提案する。
  論文  参考訳（メタデータ） (2024-04-08T05:18:39Z)
• AttackNet: Enhancing Biometric Security via Tailored Convolutional Neural Network Architectures for Liveness Detection [20.821562115822182]
  アタックネット(AttackNet)は、生体認証システムにおける偽りの脅威に対処するために設計された、難解な畳み込みニューラルネットワークアーキテクチャである。 低レベルの特徴抽出から高レベルのパターン識別へシームレスに移行する、階層化された防御機構を提供する。 多様なデータセットにまたがってモデルをベンチマークすることは、その長所を証明し、現代のモデルと比較して優れたパフォーマンス指標を示す。
  論文  参考訳（メタデータ） (2024-02-06T07:22:50Z)
• GazeForensics: DeepFake Detection via Gaze-guided Spatial Inconsistency Learning [63.547321642941974]
  本稿では,3次元視線推定モデルから得られた視線表現を利用する,革新的なDeepFake検出手法であるGazeForensicsを紹介する。 実験の結果,提案したGazeForensicsは現在の最先端手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-13T04:48:33Z)
• Privacy-preserving Multi-biometric Indexing based on Frequent Binary Patterns [7.092869001331781]
  本稿では,保護された深いキャンセル可能なテンプレートを検索する,効率的なプライバシー保護型マルチバイオメトリック識別システムを提案する。 異なるタイプの生体特性から抽出された頻繁な二分パターンに含まれる低クラス内部の変動特性を利用するために,マルチバイオメトリック・ビンニング方式が設計された。
  論文  参考訳（メタデータ） (2023-10-04T18:18:24Z)
• Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
  本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。 マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。 ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
  論文  参考訳（メタデータ） (2023-04-04T07:24:51Z)
• Multimodal Adaptive Fusion of Face and Gait Features using Keyless attention based Deep Neural Networks for Human Identification [67.64124512185087]
  歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。 本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-24T05:28:35Z)
• Face Presentation Attack Detection [59.05779913403134]
  顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。 しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
  論文  参考訳（メタデータ） (2022-12-07T14:51:17Z)
• Evaluation of a User Authentication Schema Using Behavioral Biometrics and Machine Learning [0.0]
  本研究では,行動バイオメトリックスを用いたユーザ認証手法の作成と評価により,行動バイオメトリックスの研究に寄与する。 この研究で用いられる行動バイオメトリクスには、タッチダイナミクスと電話の動きがある。 2つのバイオメトリックスの異なる単一モーダルと多モーダルの組み合わせの性能を評価する。
  論文  参考訳（メタデータ） (2022-05-07T05:16:34Z)
• Semantics-Preserved Distortion for Personal Privacy Protection in Information Management [65.08939490413037]
  本稿では,意味的整合性を維持しつつテキストを歪ませる言語学的アプローチを提案する。 本稿では, 意味保存歪みの枠組みとして, 生成的アプローチと置換的アプローチの2つを提示する。 また、特定の医療情報管理シナリオにおけるプライバシ保護についても検討し、機密データの記憶を効果的に制限していることを示す。
  論文  参考訳（メタデータ） (2022-01-04T04:01:05Z)
• OTB-morph: One-Time Biometrics via Morphing applied to Face Templates [8.623680649444212]
  本稿では,テンプレートを潜在的な攻撃から保護することを目的とした,キャンセル可能なバイオメトリックスのための新しい手法を提案する。 フェースバイオメトリックスに対して提案手法を実験的に実装する。
  論文  参考訳（メタデータ） (2021-11-25T18:35:34Z)

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。