論文の概要: A Dual-Level Cancelable Framework for Palmprint Verification and Hack-Proof Data Storage
- arxiv url: http://arxiv.org/abs/2403.02680v1
- Date: Tue, 5 Mar 2024 06:09:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-17 17:01:02.780530
- Title: A Dual-Level Cancelable Framework for Palmprint Verification and Hack-Proof Data Storage
- Title（参考訳）: パームプリント検証とHack-ProofデータストレージのためのデュアルレベルCancelableフレームワーク
- Authors: Ziyuan Yang, Ming Kang, Andrew Beng Jin Teoh, Chengrui Gao, Wen Chen, Bob Zhang, Yi Zhang,
- Abstract要約: 既存のシステムはテンプレートを保護するためにキャンセル可能な技術を使うことが多いが、これらの技術はデータ漏洩の潜在的なリスクを無視している。
本稿では,2レベルキャンセル可能なヤシプリント検証フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 28.712971971947518
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, palmprints have been widely used for individual verification. The rich privacy information in palmprint data necessitates its protection to ensure security and privacy without sacrificing system performance. Existing systems often use cancelable technologies to protect templates, but these technologies ignore the potential risk of data leakage. Upon breaching the system and gaining access to the stored database, a hacker could easily manipulate the stored templates, compromising the security of the verification system. To address this issue, we propose a dual-level cancelable palmprint verification framework in this paper. Specifically, the raw template is initially encrypted using a competition hashing network with a first-level token, facilitating the end-to-end generation of cancelable templates. Different from previous works, the protected template undergoes further encryption to differentiate the second-level protected template from the first-level one. The system specifically creates a negative database (NDB) with the second-level token for dual-level protection during the enrollment stage. Reversing the NDB is NP-hard and a fine-grained algorithm for NDB generation is introduced to manage the noise and specified bits. During the verification stage, we propose an NDB matching algorithm based on matrix operation to accelerate the matching process of previous NDB methods caused by dictionary-based matching rules. This approach circumvents the need to store templates identical to those utilized for verification, reducing the risk of potential data leakage. Extensive experiments conducted on public palmprint datasets have confirmed the effectiveness and generality of the proposed framework. Upon acceptance of the paper, the code will be accessible at https://github.com/Deep-Imaging-Group/NPR.
- Abstract（参考訳）: 近年では、パームプリントは個人認証に広く用いられている。
パームプリントデータの豊富なプライバシー情報は、システムパフォーマンスを犠牲にすることなく、セキュリティとプライバシを確保するために保護を必要とする。
既存のシステムはテンプレートを保護するためにキャンセル可能な技術を使うことが多いが、これらの技術はデータ漏洩の潜在的なリスクを無視している。
システムに侵入し、格納されたデータベースにアクセスすると、ハッカーは簡単に保存されたテンプレートを操作でき、検証システムのセキュリティを損なう。
この問題に対処するために,本論文では2レベルキャンセル可能なヤシプリント検証フレームワークを提案する。
具体的には、生テンプレートは最初、ファーストレベルのトークンを持つ競合ハッシュネットワークを使用して暗号化され、キャンセル可能なテンプレートのエンドツーエンド生成を容易にする。
以前の作業とは異なり、保護されたテンプレートはさらに暗号化され、第2レベルの保護されたテンプレートと第1レベルのテンプレートを区別する。
このシステムは、登録期間中に二重レベル保護のための第二レベルトークンを持つ負のデータベース(NDB)を特別に作成する。
NDBの逆転はNPハードであり、NDB生成のためのきめ細かいアルゴリズムを導入してノイズと特定ビットを管理する。
検証段階では,行列演算に基づくNDBマッチングアルゴリズムを提案し,辞書ベースのマッチングルールによって引き起こされた従来のNDB手法のマッチングプロセスを高速化する。
このアプローチは、検証に使用されるテンプレートと同一のテンプレートを保存する必要を回避し、潜在的なデータ漏洩のリスクを低減する。
公開パームプリントデータセットを用いた大規模な実験により,提案手法の有効性と汎用性が確認された。
論文が受理されると、コードはhttps://github.com/Deep-Imaging-Group/NPRでアクセスできる。
関連論文リスト
- Supervised and Unsupervised Alignments for Spoofing Behavioral Biometrics [7.021534792043867]
生体認証システムはユーザ固有の特性に基づいており、通常は埋め込みと呼ばれる高次元表現に符号化される。
我々は,アライメント手法を用いて,2つの行動バイオメトリックシステムに対してスプーフィング攻撃を行う。
論文 参考訳（メタデータ） (2024-08-14T20:46:59Z) - BioDeepHash: Mapping Biometrics into a Stable Code [3.467070674182551]
ディープハッシュと暗号ハッシュに基づくBioDeepHashというフレームワークを提案する。
我々のフレームワークは、元の生体データの一部を漏洩させるようなデータを保存しない。
論文 参考訳（メタデータ） (2024-08-07T11:37:02Z) - Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳（メタデータ） (2024-05-01T12:03:39Z) - Latent Guard: a Safety Framework for Text-to-image Generation [64.49596711025993]
既存の安全対策は、容易に回避できるテキストブラックリストや有害なコンテンツ分類に基づいている。
テキスト・ツー・イメージ生成の安全性向上を目的としたフレームワークであるLatent Guardを提案する。
ブラックリストベースのアプローチにインスパイアされたLatent Guardは、T2Iモデルのテキストエンコーダの上に潜在空間を学習し、有害な概念の存在を確認することができる。
論文 参考訳（メタデータ） (2024-04-11T17:59:52Z) - InferDPT: Privacy-Preserving Inference for Black-box Large Language Model [66.07752875835506]
InferDPTは、ブラックボックスLSMのプライバシ保護推論のための最初の実用的なフレームワークである。
RANTEXTはInferDPTの摂動モジュールに組み込まれた新しい微分プライバシー機構である。
論文 参考訳（メタデータ） (2023-10-18T18:00:11Z) - Privacy-Preserving Credit Card Fraud Detection using Homomorphic
Encryption [0.0]
本稿では,同型暗号を用いた暗号化トランザクションにおける私的不正検出システムを提案する。
XGBoostとフィードフォワードニューラルネットワークという2つのモデルは、データの不正検出として訓練されている。
XGBoostモデルは、ニューラルネットワークの296msに比べて、推論が6ms以下で、パフォーマンスが向上している。
論文 参考訳（メタデータ） (2022-11-12T14:28:17Z) - Just Fine-tune Twice: Selective Differential Privacy for Large Language
Models [69.66654761324702]
本稿では,大規模なトランスフォーマーベース言語モデルのためのSDPを実現するための,シンプルで効果的なジャストファイントゥンツースプライバシ機構を提案する。
実験により, カナリア挿入攻撃に対して頑健でありながら, 高い性能が得られた。
論文 参考訳（メタデータ） (2022-04-15T22:36:55Z) - Quantum Proofs of Deletion for Learning with Errors [91.3755431537592]
完全同型暗号方式として, 完全同型暗号方式を初めて構築する。
我々の主要な技術要素は、量子証明器が古典的検証器に量子状態の形でのLearning with Errors分布からのサンプルが削除されたことを納得させる対話的プロトコルである。
論文 参考訳（メタデータ） (2022-03-03T10:07:32Z) - Security and Privacy Enhanced Gait Authentication with Random
Representation Learning and Digital Lockers [3.3549957463189095]
慣性センサーによってキャプチャされた歩行データは、ユーザ認証において有望な結果を示している。
既存のほとんどのアプローチでは、登録された歩行パターンをパターンと一致させるために安全に保存しているため、重要なセキュリティとプライバシの問題が発生している。
本稿では,歩行データからユーザ認証のためのランダムキーを生成するゲイト暗号システムを提案する。
論文 参考訳（メタデータ） (2021-08-05T06:34:42Z) - Feature Fusion Methods for Indexing and Retrieval of Biometric Data:
Application to Face Recognition with Privacy Protection [15.834050000008878]
提案手法は生体認証トランザクションに関連する計算負荷を90%削減する。
この方法は、保護された生体データの無リンク性、不可逆性、および更新性を保証する。
論文 参考訳（メタデータ） (2021-07-27T08:53:29Z) - Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing [61.82466976737915]
深層学習は、顔の反偽造の最も効果的な方法の1つとして証明されている。
2つの洞察に基づいて,複数フレームからの提示攻撃を検出する新しい手法を提案する。
提案手法は,5つのベンチマークデータセットの最先端結果を実現する。
論文 参考訳（メタデータ） (2020-03-18T06:11:20Z)
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。