論文の概要: Understanding Biometric Entropy and Iris Capacity: Avoiding Identity
Collisions on National Scales
- arxiv url: http://arxiv.org/abs/2308.03189v1
- Date: Sun, 6 Aug 2023 18:44:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 15:59:20.088434
- Title: Understanding Biometric Entropy and Iris Capacity: Avoiding Identity
Collisions on National Scales
- Title(参考訳): 生体エントロピーと虹彩容量の理解:国家規模でのアイデンティティ衝突を避ける
- Authors: John Daugman
- Abstract要約: この問題の一般的な解法は、よく知られた「誕生日問題」と類似して導かれる。
ある人の2つの虹彩パターンのエントロピーは、グローバルなアイデンティティの独自性に十分である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The numbers of persons who can be enrolled by their iris patterns with no
identity collisions is studied in relation to the biometric entropy extracted,
and the decision operating threshold. The population size at which identity
collision becomes likelier than not, given those variables, defines iris
"capacity." The general solution to this combinatorial problem is derived, in
analogy with the well-known "birthday problem." Its application to unique
biometric identification on national population scales is shown, referencing
empirical data from US NIST (National Institute of Standards and Technology)
trials involving 1.2 trillion (1.2 x 10^(12) ) iris comparisons. The entropy of
a given person's two iris patterns suffices for global identity uniqueness.
- Abstract(参考訳): 同一性衝突のない虹彩パターンで登録できる人の数は、抽出された生体計測エントロピーと決定操作閾値との関係で研究されている。
同一性衝突が、これらの変数を考えると、アイリスの「容量」を定義できないほど、人口規模は大きくなる。
この組合せ問題に対する一般的な解は、よく知られた「誕生日問題」と類似している。
国立標準技術研究所(National Institute of Standards and Technology)による1.2兆 (1.2 x 10^(12) のアイリス比較に関する実証データを参照して、国民の人口規模に関するユニークな生体認証への応用を示す。
ある人の2つの虹彩パターンのエントロピーは、グローバルアイデンティティの特異性に十分である。
関連論文リスト
- ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。
拡散燃料SFRモデルであるtextID3$を紹介します。
textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
論文 参考訳(メタデータ) (2024-09-26T06:46:40Z) - EyePreserve: Identity-Preserving Iris Synthesis [8.973296574093506]
本稿では,アイリス画像の完全データ駆動型,アイデンティティ保存型,瞳孔径変化型合成法を提案する。
提案手法の直接的な応用は、(a)虹彩認識のための既存の生体計測データセットの合成、または強化、および(b)瞳孔拡張に有意な差がある虹彩画像対を調べるための法医学の専門家を支援することである。
論文 参考訳(メタデータ) (2023-12-19T10:29:29Z) - The theoretical limits of biometry [0.0]
本稿では,生体認証システムの誤差率を管理する識別可能性問題に関する理論的解析を提案する。
本研究では,ノイズの存在下での衝突を防止するために必要な個体数と独立ビット数との単純な関係を実証する。
この結果は、地球全体の生物測定が通常の円盤に収まり、ノイズと冗長性のための空間を残しているため、非常に活発である。
論文 参考訳(メタデータ) (2023-11-06T08:28:12Z) - Ethnicity and Biometric Uniqueness: Iris Pattern Individuality in a West
African Database [0.2812395851874055]
ナイジェリアの大学で収集された画像から得られた虹彩パターンの比較を13万件以上行った。
AFHIRISデータベースでは,メラノサイトの粗い前層によるエントロピーの低下を測定した。
人口差にもかかわらず、この西アフリカの人口の虹彩パターンの比較により、個人性は頑健に識別できると結論付けている。
論文 参考訳(メタデータ) (2023-09-12T18:51:28Z) - Uniqueness of Iris Pattern Based on AR Model [4.236277880658203]
アイリスの独特性に対するダウグマンのアプローチは、最も広く受け入れられた1つとして際立っている。
本稿では,虹彩認識システムのスケーラビリティを評価する手法を提案するとともに,虹彩品質を計測する手法を提案する。
論文 参考訳(メタデータ) (2023-06-21T21:17:03Z) - The Proximal ID Algorithm [9.190358641395848]
観測データから有効な因果結論を確立するための基本的な障害である。
我々は因果推論における同定に対する前者および後者のアプローチの合成を開発する。
弊社のやり方では、プロキシを体系的に利用して、保存されていない共同ファウンダーの存在を調整できる。
論文 参考訳(メタデータ) (2021-08-15T21:32:47Z) - Typing assumptions improve identification in causal discovery [123.06886784834471]
観測データからの因果発見は、正確な解を常に特定できない難しい課題である。
そこで本研究では,変数の性質に基づいた因果関係を制約する仮説を新たに提案する。
論文 参考訳(メタデータ) (2021-07-22T14:23:08Z) - Biometrics: Trust, but Verify [49.9641823975828]
バイオメトリック認識は、世界中のさまざまなアプリケーションに爆発しました。
生体認証システムの様々なサブモジュールに関する多くの顕著な問題と懸念があります。
論文 参考訳(メタデータ) (2021-05-14T03:07:25Z) - DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。
大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。
同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
論文 参考訳(メタデータ) (2020-09-20T09:48:24Z) - Improving Face Recognition by Clustering Unlabeled Faces in the Wild [77.48677160252198]
極値理論に基づく新しいアイデンティティ分離法を提案する。
重なり合うラベルノイズによる問題を大幅に低減する。
制御された設定と実際の設定の両方の実験は、我々のメソッドの一貫性のある改善を示している。
論文 参考訳(メタデータ) (2020-07-14T12:26:50Z) - Intra-Camera Supervised Person Re-Identification [87.88852321309433]
本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。
これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。
MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
論文 参考訳(メタデータ) (2020-02-12T15:26:33Z)
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。