論文の概要: WiFaKey: Generating Cryptographic Keys from Face in the Wild
- arxiv url: http://arxiv.org/abs/2407.14804v1
- Date: Sat, 20 Jul 2024 08:31:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-23 20:42:12.752521
- Title: WiFaKey: Generating Cryptographic Keys from Face in the Wild
- Title（参考訳）: WiFaKey: 野生の顔から暗号化キーを生成する
- Authors: Xingbo Dong, Hui Zhang, Yen Lung Lai, Zhe Jin, Junduan Huang, Wenxiong Kang, Andrew Beng Jin Teoh,
- Abstract要約: 生体計測からユニークな暗号鍵を導出することは、生体計測と誤り訂正符号の間に既存のノイズギャップがあるため、難しい課題である。
本研究では,制約のない設定で顔から暗号鍵を生成するために,WiFaKeyという新しいバイオメトリック暗号システムを提案する。
- 参考スコア（独自算出の注目度）: 25.144030737846276
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deriving a unique cryptographic key from biometric measurements is a challenging task due to the existing noise gap between the biometric measurements and error correction coding. Additionally, privacy and security concerns arise as biometric measurements are inherently linked to the user. Biocryptosystems represent a key branch of solutions aimed at addressing these issues. However, many existing bio-cryptosystems rely on handcrafted feature extractors and error correction codes (ECC), often leading to performance degradation. To address these challenges and improve the reliability of biometric measurements, we propose a novel biometric cryptosystem named WiFaKey, for generating cryptographic keys from face in unconstrained settings. Speciffcally, WiFaKey ffrst introduces an adaptive random masking-driven feature transformation pipeline, AdaMTrans. AdaMTrans effectively quantizes and binarizes realvalued features and incorporates an adaptive random masking scheme to align the bit error rate with error correction requirements, thereby mitigating the noise gap. Besides, WiFaKey incorporates a supervised learning-based neural decoding scheme called Neural-MS decoder, which delivers a more robust error correction performance with less iteration than non-learning decoders, thereby alleviating the performance degradation. We evaluated WiFaKey using widely adopted face feature extractors on six large unconstrained and two constrained datasets. On the LFW dataset, WiFaKey achieved an average Genuine Match Rate of 85.45% and 85.20% at a 0% False Match Rate for MagFace and AdaFace features, respectively. Our comprehensive comparative analysis shows a signiffcant performance improvement of WiFaKey. The source code of our work is available at github.com/xingbod/WiFaKey.
- Abstract（参考訳）: 生体計測からユニークな暗号鍵を導出することは、生体計測と誤り訂正符号の間に既存のノイズギャップがあるため、難しい課題である。
さらに、生体計測が本質的にユーザと結びついているため、プライバシとセキュリティの懸念が生じる。
バイオ暗号システムは、これらの問題に対処するためのソリューションのキーブランチである。
しかし、既存の多くのバイオ暗号系は手作りの特徴抽出器と誤り訂正符号(ECC)に依存しており、しばしば性能が低下する。
これらの課題に対処し、バイオメトリック測定の信頼性を向上させるために、制約のない設定で顔から暗号鍵を生成する新しいバイオメトリック暗号システムWiFaKeyを提案する。
WiFaKey ffrstは、適応型ランダムマスキング駆動のフィーチャートランスフォーメーションパイプラインであるAdaMTransを導入している。
AdaMTransは実数値化と二項化を効果的に行い、適応型ランダムマスキングスキームを組み込んでビット誤り率と誤り訂正要求を整合させ、ノイズギャップを緩和する。
さらにWiFaKeyには、教師付き学習ベースのニューラルデコードスキームであるNeural-MSデコーダが組み込まれている。
我々は,6つの大きな制約のない2つの制約付きデータセットに対して,広く採用されている顔特徴抽出器を用いてWiFaKeyを評価した。
LFWデータセットでは、WiFaKeyは、それぞれMagFaceとAdaFaceの0%のFalse Match Rateで平均85.45%と85.20%のGenuine Match Rateを達成した。
包括的比較分析により,WiFaKeyの性能向上を示す。
私たちの作業のソースコードはgithub.com/xingbod/WiFaKeyで公開されています。
関連論文リスト
- Speech privacy-preserving methods using secret key for convolutional neural network models and their robustness evaluation [5.762345156477736]
信頼できないサードパーティがCNNベースのシステムを提供している環境では、音声クエリのプライバシが不可欠である。
本稿では,秘密鍵を用いた音声クエリの暗号化手法を提案する。
論文 参考訳（メタデータ） (2024-08-07T16:51:39Z) - Bit-flipping Decoder Failure Rate Estimation for (v,w)-regular Codes [84.0257274213152]
並列ビットフリップデコーダのDFRを高精度に推定する手法を提案する。
本研究は,本症候群のモデル化およびシミュレーションによる重み比較,第1イテレーション終了時の誤りビット分布の誤検出,復号化復号化率(DFR)について検証した。
論文 参考訳（メタデータ） (2024-01-30T11:40:24Z) - Free-text Keystroke Authentication using Transformers: A Comparative
Study of Architectures and Loss Functions [1.0152838128195467]
キーストロークバイオメトリックスは、個人のタイピング行動におけるユニークなパターンを活用する、ユーザ識別と検証のための有望なアプローチである。
本稿では,キーストロークシーケンスから情報的特徴を抽出する自己注意型トランスフォーマーネットワークを提案する。
我々のモデルは、フリーテキストキーストローク認証における従来の最先端技術を上回る。
論文 参考訳（メタデータ） (2023-10-18T00:34:26Z) - Improved decoding of circuit noise and fragile boundaries of tailored
surface codes [61.411482146110984]
高速かつ高精度なデコーダを導入し、幅広い種類の量子誤り訂正符号で使用することができる。
我々のデコーダは、信仰マッチングと信念フィンドと呼ばれ、すべてのノイズ情報を活用し、QECの高精度なデモを解き放つ。
このデコーダは, 標準の正方形曲面符号に対して, 整形曲面符号において, より高いしきい値と低い量子ビットオーバーヘッドをもたらすことがわかった。
論文 参考訳（メタデータ） (2022-03-09T18:48:54Z) - 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) - Performance of teleportation-based error correction circuits for bosonic
codes with noisy measurements [58.720142291102135]
テレポーテーションに基づく誤り訂正回路を用いて、回転対称符号の誤り訂正能力を解析する。
マイクロ波光学における現在達成可能な測定効率により, ボソニック回転符号の破壊ポテンシャルは著しく低下することが判明した。
論文 参考訳（メタデータ） (2021-08-02T16:12:13Z) - Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。
元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。
私たちのコードは、将来的な比較作業のためにオープンソースにされます。
論文 参考訳（メタデータ） (2021-07-01T08:58:16Z) - BinaryCoP: Binary Neural Network-based COVID-19 Face-Mask Wear and
Positioning Predictor on Edge Devices [63.56630165340053]
フェイスマスクは、空気性疾患に対する双方向保護のための医療に効果的な解決策を提供する。
CNNは、顔認識と正しいマスク着用と位置決めの分類に優れたソリューションを提供する。
CNNは、企業ビル、空港、ショッピングエリア、その他の屋内場所への入り口で利用でき、ウイルスの拡散を緩和することができる。
論文 参考訳（メタデータ） (2021-02-06T00:14:06Z) - Deep Face Fuzzy Vault: Implementation and Performance [5.251555525361623]
ディープフェイスファジィVaultベースのテンプレート保護スキームを無リンクで改善した。
顔からのデジタルキーの派生と同様に、顔参照データのプライバシー保護を提供する。
論文 参考訳（メタデータ） (2021-02-04T07:37:23Z) - Deep convolutional neural networks for face and iris presentation attack
detection: Survey and case study [0.5801044612920815]
顔PADのクロスデータセット評価は,術式よりも一般化が良好であった。
顔と虹彩の両方の攻撃を検出するために訓練された1つのディープネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-25T02:06:19Z) - Suppressing Uncertainties for Large-Scale Facial Expression Recognition [81.51495681011404]
本稿では,不確実性を効果的に抑制し,深層ネットワークが不確実な顔画像に過度に収まらないような,シンプルで効率的なセルフキュアネットワーク(SCN)を提案する。
公開ベンチマークの結果、我々のSCNは現在の最先端メソッドよりも、RAF-DBで textbf88.14%、AffectNetで textbf60.23%、FERPlusで textbf89.35% を上回りました。
論文 参考訳（メタデータ） (2020-02-24T17:24:36Z)
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。