論文の概要: Large-Scale MPC: Scaling Private Iris Code Uniqueness Checks to Millions of Users
- arxiv url: http://arxiv.org/abs/2405.04463v1
- Date: Tue, 7 May 2024 16:29:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-08 13:21:31.882569
- Title: Large-Scale MPC: Scaling Private Iris Code Uniqueness Checks to Millions of Users
- Title(参考訳): 大規模MPC - プライベートアイリスコードの特異性チェックを数百万のユーザにスケールアップ
- Authors: Remco Bloemen, Daniel Kales, Philipp Sippl, Roman Walch,
- Abstract要約: 我々は、一般的に機密データのサーバ側処理を必要とする生体認証システムにおけるプライバシー問題に対処する。
我々は、与えられたIris Codeが与えられたデータベースに含まれるものと似ているかどうかを問合せできるソリューションを設計します。
すべてのクエリとデータセットは、セキュアなマルチパーティ計算を使用して保護されている。
- 参考スコア(独自算出の注目度): 2.203668394157315
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work we tackle privacy concerns in biometric verification systems that typically require server-side processing of sensitive data (e.g., fingerprints and Iris Codes). Concretely, we design a solution that allows us to query whether a given Iris Code is similar to one contained in a given database, while all queries and datasets are being protected using secure multiparty computation (MPC). Addressing the substantial performance demands of operational systems like World ID and aid distributions by the Red Cross, we propose new protocols to improve performance by more than three orders of magnitude compared to the recent state-of-the-art system Janus (S&P 24). Our final protocol can achieve a throughput of over a million Iris Code comparisons per second on a single CPU core, while protecting the privacy of both the query and database Iris Codes. We additionally investigate GPU acceleration for some building blocks of our protocol, which results in further speedups of over 38x compared to the respective multi-threaded CPU implementation.
- Abstract(参考訳): この作業では、一般的に機密データ(指紋や虹彩コードなど)のサーバ側処理を必要とする生体認証システムにおけるプライバシー問題に対処する。
具体的には、Iris Codeが与えられたデータベースに類似しているかどうかを問合せできるソリューションを設計し、すべてのクエリとデータセットは、セキュアなマルチパーティ計算(MPC)を使用して保護されています。
近年の最先端システムであるJanus(S&P 24)と比較して3桁以上の性能向上を実現するための新たなプロトコルを提案する。
最後のプロトコルでは、クエリとデータベースの両方のプライバシを保護しながら、単一のCPUコア上で毎秒100万以上のIris Code比較のスループットを実現しています。
また、プロトコルのいくつかの構成要素に対するGPUアクセラレーションについても検討し、各マルチスレッドCPU実装と比較して38倍以上の高速化を実現した。
関連論文リスト
- Enc2DB: A Hybrid and Adaptive Encrypted Query Processing Framework [47.11111145443189]
本稿では,新しいセキュアデータベースシステムであるEnc2DBを紹介する。
本稿では,マイクロベンチマークテストと自己適応型モードスイッチ戦略を提案し,与えられたクエリに応答する最適な実行パス(暗号やTEE)を選択する。
また、クエリ処理を高速化するために、ネイティブコストモデルやクエリと互換性のある暗号文インデックスを設計、実装する。
論文 参考訳(メタデータ) (2024-04-10T08:11:12Z) - Multi-Party Private Set Intersection: A Circuit-Based Protocol with Jaccard Similarity for Secure and Efficient Anomaly Detection in Network Traffic [10.775721991076793]
マルチパーティ・プライベート・セット・交差点(PSI)のための新しい回路ベースのプロトコルを提案する。
7つのパーティがあり、それぞれが212のセットサイズで、私たちのプロトコルは19秒で完了します。
論文 参考訳(メタデータ) (2024-01-23T07:59:04Z) - SOCI^+: An Enhanced Toolkit for Secure OutsourcedComputation on Integers [50.608828039206365]
本稿では,SOCIの性能を大幅に向上させるSOCI+を提案する。
SOCI+は、暗号プリミティブとして、高速な暗号化と復号化を備えた(2, 2)ホールドのPaillier暗号システムを採用している。
実験の結果,SOCI+は計算効率が最大5.4倍,通信オーバヘッドが40%少ないことがわかった。
論文 参考訳(メタデータ) (2023-09-27T05:19:32Z) - HeteroEdge: Addressing Asymmetry in Heterogeneous Collaborative
Autonomous Systems [1.274065448486689]
2台の無人地上車両(UGV)と2台のNVIDIA Jetsonデバイスからなるテストベッドの自己適応最適化フレームワークを提案する。
このフレームワークは、異種ノード上の複数のタスク(ストレージ、処理、計算、送信、推論)を同時に効率的に管理する。
入力された画像フレームの圧縮とマスキング、類似したフレームの識別、および最適化のための境界条件を得るためにプロファイリング装置を含む。
論文 参考訳(メタデータ) (2023-05-05T02:43:16Z) - Google Coral-based edge computing person reidentification using human
parsing combined with analytical method [0.0]
人物再識別(re-ID)はコンピュータビジョンの最も重要な応用分野の1つになりつつある。
本稿では,人間の構文解析と特徴抽出とランキング手法を組み合わせた最近提案されたre-ID手法を適用する。
また、コーラル・コーラルにre-ID法の解析的部分を実装し、完全なre-IDサイクルの実行を可能にする。
論文 参考訳(メタデータ) (2022-09-22T14:15:04Z) - Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive
Privacy Analysis and Beyond [57.10914865054868]
垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。
我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
論文 参考訳(メタデータ) (2022-07-19T05:47:30Z) - Toward Accurate and Reliable Iris Segmentation Using Uncertainty
Learning [96.72850130126294]
高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。
IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。
IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
論文 参考訳(メタデータ) (2021-10-20T01:37:19Z) - Generalized Iris Presentation Attack Detection Algorithm under
Cross-Database Settings [63.90855798947425]
プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。
本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。
これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
論文 参考訳(メタデータ) (2020-10-25T22:42:27Z) - BUNET: Blind Medical Image Segmentation Based on Secure UNET [24.374253627122467]
UNETアーキテクチャに基づくプライバシ保護型医用画像セグメンテーションを実装したセキュアプロトコルであるブラインドUNET(BUNET)を提案する。
BUNETでは、同相暗号やガーブロード回路(GC)などの暗号プリミティブを効率よく利用し、UNETニューラルアーキテクチャのための完全なセキュアなプロトコルを設計する。
本研究では, 既知精度の低下を伴うベースラインアーキテクチャにおいて, 最先端のセキュア推論技術と比較して最大14倍の推論時間短縮を実現することができることを示す。
論文 参考訳(メタデータ) (2020-07-14T07:05:23Z) - Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian
Detection [99.94079901071163]
本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。
我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。
我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
論文 参考訳(メタデータ) (2020-04-03T17:36:26Z) - FLIC: Fast Lidar Image Clustering [0.966840768820136]
本稿では,Lidarセンサデータのリアルタイム・インスタンス・セグメンテーションのためのアルゴリズム的アプローチを提案する。
本研究では, ユークリッド距離の特性を利用して3次元計測情報を保持する方法を示す。
これらの側面によって、単一のCPUコア上での最先端のパフォーマンスと実行が可能になります。
論文 参考訳(メタデータ) (2020-03-01T20:21:31Z)
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。