論文の概要: Gradient-based facial encoding for key generation to encrypt and decrypt multimedia data

• arxiv url: http://arxiv.org/abs/2412.06927v2
• Date: Thu, 09 Jan 2025 18:44:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 13:57:13.641963
• Title: Gradient-based facial encoding for key generation to encrypt and decrypt multimedia data
• Title（参考訳）: 鍵生成のためのグラディエントベース顔符号化によるマルチメディアデータの暗号化と復号化
• Authors: Ankit Kumar Patel, Dewanshi Paul, Sarthak Giri, Sneha Chaudhary, Bikalpa Gautam,
• Abstract要約: パスワードに依存するセキュリティシステムは、忘れられたり、推測されたり、違反されたりすることに対して脆弱である。 本稿では,これらの問題に対処するために顔認識技術を利用したバイオ暗号システムを提案する。 提案システムは、顔の特徴から派生した32ビットの暗号鍵を作成する。
• 参考スコア（独自算出の注目度）: 0.873811641236639
• License:
• Abstract: Security systems relying on passwords are vulnerable to being forgotten, guessed, or breached. Likewise, biometric systems that operate independently are at risk of template spoofing and replay incidents. This paper introduces a biocryptosystem utilizing face recognition techniques to address these issues, allowing for the encryption and decryption of various file types through the Advanced Encryption Standard (AES). The proposed system creates a distinct 32-bit encryption key derived from facial features identified by Histogram of Oriented Gradients (HOG) and categorized using Support Vector Machines (SVM). HOG efficiently identifies edge-aligned facial features, even in dim lighting, ensuring that reliable biometric keys can be generated. This key is then used with AES to encrypt and decrypt a variety of data formats, such as text, audio, and video files. This encryption key, derived from an individual's distinctive facial traits, is exceedingly challenging for adversaries to reproduce or guess. The security and performance of the system have been validated through experiments using several metrics, including correlation analysis, Shannon entropy, normalized Hamming distance, and the avalanche effect on 25 different file types. Potential uses for the proposed system include secure file sharing, online transactions, and data archiving, making it a strong and trustworthy approach to safeguarding sensitive information by integrating the uniqueness of facial biometrics with the established security of AES encryption.
• Abstract（参考訳）: パスワードに依存するセキュリティシステムは、忘れられたり、推測されたり、違反されたりすることに対して脆弱である。 同様に、独立して機能する生体認証システムは、インシデントのテンプレートスプーフィングや再生のリスクがある。 本稿では,これらの問題に対処するために顔認識技術を利用したバイオ暗号システムを導入し,AES(Advanced Encryption Standard)による各種ファイルの暗号化と復号を可能にする。 提案システムは,Histogram of Oriented Gradients (HOG) によって識別され,Support Vector Machines (SVM) を用いて分類された顔の特徴から,32ビットの異なる暗号鍵を生成する。 HOGは、薄暗い照明でも、エッジアラインの顔の特徴を効率的に識別し、信頼性の高い生体認証キーを生成する。 このキーはAESと共に、テキスト、オーディオ、ビデオファイルなど、さまざまなデータフォーマットの暗号化と復号に使用される。 この暗号鍵は、個人特有の顔の特徴から派生したもので、敵が再現したり推測したりするのは非常に困難である。 システムのセキュリティと性能は、相関分析、シャノンエントロピー、正規化ハミング距離、25種類のファイルタイプに対する雪崩効果など、いくつかの指標を用いて検証されている。 提案システムには、セキュアなファイル共有、オンライントランザクション、データアーカイブなどが含まれており、AES暗号化の確立されたセキュリティと顔バイオメトリックスの独自性を統合することにより、機密情報の保護に信頼性の高いアプローチとなっている。

関連論文リスト

• A secure and private ensemble matcher using multi-vault obfuscated templates [1.3518297878940662]
  生成AIは、データ生成において前例のないリアリズム、多様性、効率を提供することによって、現代の機械学習に革命をもたらした。 バイオメトリックテンプレートのセキュリティとセキュアマッチングは、現代のバイオメトリックシステムにおいて最も求められている特徴である。 本稿では,バイオメトリックテンプレートのセキュリティを高めるために,ジェネレーティブAIを用いた新しい難読化手法を提案する。
  論文  参考訳（メタデータ） (2024-04-08T05:18:39Z)
• CodeChameleon: Personalized Encryption Framework for Jailbreaking Large Language Models [49.60006012946767]
  パーソナライズされた暗号化手法に基づく新しいジェイルブレイクフレームワークであるCodeChameleonを提案する。 我々は、7つの大規模言語モデルに関する広範な実験を行い、最先端の平均アタック成功率(ASR)を達成する。 GPT-4-1106上で86.6%のASRを実現する。
  論文  参考訳（メタデータ） (2024-02-26T16:35:59Z)
• Gait-Based Privacy Protection for Smart Wearable Devices [7.358293252870294]
  既存の歩行識別手法は、歩行特徴のプライバシーを保護するために、精度が低く、無視されている。 歩行識別段階が通過した後、歩行特徴をキーとして使用する安全なメッセージ対話を可能にする生体認証方式を提案する。
  論文  参考訳（メタデータ） (2024-02-24T12:05:42Z)
• Human-imperceptible, Machine-recognizable Images [76.01951148048603]
  より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。 画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。 提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
  論文  参考訳（メタデータ） (2023-06-06T13:41:37Z)
• RiDDLE: Reversible and Diversified De-identification with Latent Encryptor [57.66174700276893]
  本研究は、Reversible and Diversified De-identification with Latent Encryptorの略であるRiDDLEを提示する。 事前に学習したStyleGAN2ジェネレータ上に構築されたRiDDLEは、潜伏空間内の顔のアイデンティティを暗号化して復号する。
  論文  参考訳（メタデータ） (2023-03-09T11:03:52Z)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• Encryption and encoding of facial images into quick response and high capacity color 2d code for biometric passport security system [0.0]
  QRコードに基づくバイオメトリックパスポート認証方式に符号化されたマルチモーダルバイオメトリック、セキュアな暗号化データおよび暗号化バイオメトリックスを提案する。 顔のマークサイズ認識は、最初は達成される。 公開アクセス可能な暗号化された生体認証パスポート情報をQRコードに符号化し、電子パスポートに挿入して保護を改善する。
  論文  参考訳（メタデータ） (2022-03-17T05:25:39Z)
• Speckle-based optical cryptosystem and its application for human face recognition via deep learning [17.169570487230747]
  顔画像は、慎重に保護されるべき敏感な生体データである。 本研究では,高効率なスペックルベースの光暗号システムを提案し,実装した。 提案した暗号システムは幅広い適用性を持ち、セキュリティの高い複雑な情報暗号化と復号化のための新たな道を開く可能性がある。
  論文  参考訳（メタデータ） (2022-01-26T07:18:02Z)
• PASS: Protected Attribute Suppression System for Mitigating Bias in Face Recognition [55.858374644761525]
  顔認識ネットワークは、識別分類のために訓練されている間、機密属性に関する情報を符号化する。 既存のバイアス緩和アプローチでは、エンドツーエンドのトレーニングが必要であり、高い精度を達成できない。 PASS(Protected Attribute Suppression System)と呼ばれる記述子に基づく逆バイアス除去手法を提案する。 パスは、以前に訓練されたハイパフォーマンスネットワークから得られた記述子を使って、アイデンティティを分類し、機密属性のエンコーディングを同時に削減することができる。
  論文  参考訳（メタデータ） (2021-08-09T00:39:22Z)
• Analyze and Development System with Multiple Biometric Identification [0.0]
  盗難からの情報を確保するために以前に開発された手法は、効果的で安全ではなかった。 バイオメトリックスは、個人情報のより効率的なセキュリティのための技術が必要になったときに導入された。 生体認証システムでは、ユーザーはパスワードを覚えたり、キーを携帯したりしない。
  論文  参考訳（メタデータ） (2020-04-10T05:08:54Z)
• 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。