論文の概要: Securing Biometric Data: Fully Homomorphic Encryption in Multimodal Iris and Face Recognition
- arxiv url: http://arxiv.org/abs/2408.14609v1
- Date: Mon, 26 Aug 2024 20:05:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-28 15:44:05.390730
- Title: Securing Biometric Data: Fully Homomorphic Encryption in Multimodal Iris and Face Recognition
- Title（参考訳）: 生体情報保護:マルチモーダルアイリスにおける完全同型暗号化と顔認識
- Authors: Surendra Singh, Lambert Igene, Stephanie Schuckers,
- Abstract要約: 本研究は,アイリスと顔特徴ベクトルを融合させる手法について検討し,融合データベースを保護するための堅牢なセキュリティ対策を実装した。
QFIRE-Iデータベースを用いた評価では,高い精度を維持しつつユーザのプライバシーと精度を効果的にバランスさせることが示されている。
- 参考スコア（独自算出の注目度）: 1.1470070927586018
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Multimodal biometric systems have gained popularity for their enhanced recognition accuracy and resistance to attacks like spoofing. This research explores methods for fusing iris and face feature vectors and implements robust security measures to protect fused databases and conduct matching operations on encrypted templates using fully homomorphic encryption (FHE). Evaluations on the QFIRE-I database demonstrate that our method effectively balances user privacy and accuracy while maintaining a high level of precision. Through experimentation, we demonstrate the effectiveness of employing FHE for template protection and matching within the encrypted domain, achieving notable results: a 96.41% True Acceptance Rate (TAR) for iris recognition, 81.19% TAR for face recognition, 98.81% TAR for iris fusion (left and right), and achieving a 100% TAR at 0.1% false acceptance rate (FAR) for face and iris fusion. The application of FHE presents a promising solution for ensuring accurate template matching while safeguarding user privacy and mitigating information leakage.
- Abstract（参考訳）: マルチモーダルバイオメトリックシステムは、認識精度の向上と、スプーフィングのような攻撃に対する抵抗で人気を博している。
本研究は,アイリスと顔特徴ベクトルを融合させる手法について検討し,完全同型暗号(FHE)を用いて,融合データベースを保護し,暗号化テンプレート上でマッチング処理を行うための堅牢なセキュリティ対策を実装した。
QFIRE-Iデータベースを用いた評価では,高い精度を維持しつつユーザのプライバシーと精度を効果的にバランスさせることが示されている。
実験により, テンプレート保護と暗号化領域内でのマッチングにFHEを用いることの有効性を実証し, 虹彩認識に96.41%のTrue Acceptance Rate (TAR) , 顔認識に81.19%のTAR, 虹彩融合(左右)に98.81%のTAR, 顔と虹彩融合に0.1%の偽受容率(FAR)で100%のTARを達成した。
FHEのアプリケーションは、ユーザのプライバシを保護し、情報の漏洩を軽減しつつ、正確なテンプレートマッチングを保証するための有望なソリューションを提供する。
関連論文リスト
- TernaryVote: Differentially Private, Communication Efficient, and
Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。
提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
論文 参考訳（メタデータ） (2024-02-16T16:41:14Z) - Embedding Non-Distortive Cancelable Face Template Generation [22.80706131626207]
我々は、目では認識できないが、任意のカスタム埋め込みニューラルネットワークモデルで識別可能な顔画像を実現する革新的な画像歪み技術を導入する。
生体認証ネットワークの信頼性を,予測された同一性を変化させない最大画像歪みを判定することによって検証する。
論文 参考訳（メタデータ） (2024-02-04T15:39:18Z) - Privacy-Preserving Face Recognition in Hybrid Frequency-Color Domain [16.05230409730324]
顔画像は、各ユーザのアイデンティティ情報に関連付けられた、敏感なバイオメトリック属性である。
本稿では,顔認識の入力次元を低減するために,ハイブリッド周波数-カラー融合法を提案する。
1:Nの検証シナリオの最先端よりも約2.6%から4.2%高い精度を持つ。
論文 参考訳（メタデータ） (2024-01-24T11:27:32Z) - PROFL: A Privacy-Preserving Federated Learning Method with Stringent
Defense Against Poisoning Attacks [2.6487166137163007]
Federated Learning(FL)は、プライバシー漏洩と中毒攻撃という2つの大きな問題に直面している。
本稿では,プライバシー保護のための新しいFLフレームワーク PROFL を提案する。
PROFLは2タラプドア追加の同型暗号化アルゴリズムとブラインド技術に基づいている。
論文 参考訳（メタデータ） (2023-12-02T06:34:37Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。
具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。
本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
論文 参考訳（メタデータ） (2023-09-11T09:26:07Z) - Enhancing Mobile Privacy and Security: A Face Skin Patch-Based
Anti-Spoofing Approach [0.0]
顔認識システム(FAS)は,顔認識システムのセキュリティを高めるために重要なコンポーネントである。
従来のFASは、スプーフィングトレースを検出するために、識別情報を含む画像を使用していたが、これらの画像の送信と保存中にプライバシー漏洩のリスクがある。
そこで本研究では,純粋な顔皮膚パッチ画像を入力として利用した顔皮膚パッチに基づく顔用アンチスプーフィングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-08-09T08:36:13Z) - DiffProtect: Generate Adversarial Examples with Diffusion Models for
Facial Privacy Protection [64.77548539959501]
DiffProtectは最先端の方法よりも自然に見える暗号化画像を生成する。
例えば、CelebA-HQとFFHQのデータセットで24.5%と25.1%の絶対的な改善が達成されている。
論文 参考訳（メタデータ） (2023-05-23T02:45:49Z) - Attribute-Guided Encryption with Facial Texture Masking [64.77548539959501]
本稿では,顔認識システムからユーザを保護するために,顔テクスチャマスキングを用いた属性ガイド暗号化を提案する。
提案手法は,最先端の手法よりも自然な画像を生成する。
論文 参考訳（メタデータ） (2023-05-22T23:50:43Z) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳（メタデータ） (2020-03-15T12:45:10Z)
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。