論文の概要: Privacy-Preserving Biometric Verification with Handwritten Random Digit String
- arxiv url: http://arxiv.org/abs/2503.12786v1
- Date: Mon, 17 Mar 2025 03:47:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-18 12:30:43.554492
- Title: Privacy-Preserving Biometric Verification with Handwritten Random Digit String
- Title（参考訳）: 手書きランダムディジット文字列によるプライバシー保護生体認証
- Authors: Peirong Zhang, Yuliang Liu, Songxuan Lai, Hongliang Li, Lianwen Jin,
- Abstract要約: 手書き認証は、何十年もの間、安定したアイデンティティ認証方法として存在してきた。
しかし、この技術は、署名などの手書きバイオメトリックスに個人情報が組み込まれているため、潜在的なプライバシー侵害のリスクがある。
プライバシ保護による手書き文字の検証にRandom Digit String (RDS) を用いることを提案する。
- 参考スコア（独自算出の注目度）: 49.77172854374479
- License:
- Abstract: Handwriting verification has stood as a steadfast identity authentication method for decades. However, this technique risks potential privacy breaches due to the inclusion of personal information in handwritten biometrics such as signatures. To address this concern, we propose using the Random Digit String (RDS) for privacy-preserving handwriting verification. This approach allows users to authenticate themselves by writing an arbitrary digit sequence, effectively ensuring privacy protection. To evaluate the effectiveness of RDS, we construct a new HRDS4BV dataset composed of online naturally handwritten RDS. Unlike conventional handwriting, RDS encompasses unconstrained and variable content, posing significant challenges for modeling consistent personal writing style. To surmount this, we propose the Pattern Attentive VErification Network (PAVENet), along with a Discriminative Pattern Mining (DPM) module. DPM adaptively enhances the recognition of consistent and discriminative writing patterns, thus refining handwriting style representation. Through comprehensive evaluations, we scrutinize the applicability of online RDS verification and showcase a pronounced outperformance of our model over existing methods. Furthermore, we discover a noteworthy forgery phenomenon that deviates from prior findings and discuss its positive impact in countering malicious impostor attacks. Substantially, our work underscores the feasibility of privacy-preserving biometric verification and propels the prospects of its broader acceptance and application.
- Abstract（参考訳）: 手書き認証は、何十年もの間、安定したアイデンティティ認証方法として存在してきた。
しかし、この技術は、署名などの手書きバイオメトリックスに個人情報が組み込まれているため、潜在的なプライバシー侵害のリスクがある。
この問題に対処するために、プライバシ保護手書き検証にRandom Digit String (RDS) を用いることを提案する。
このアプローチにより、任意の桁列を書き込み、効果的にプライバシ保護を保証することによって、ユーザ自身を認証することができる。
RDSの有効性を評価するために、オンラインの自然手書きRDSからなるHRDS4BVデータセットを構築した。
従来の手書き文字とは異なり、RDSには制約のない可変コンテンツが含まれており、一貫性のある個人書記スタイルをモデル化する上で重要な課題となっている。
そこで本研究では,識別型パターンマイニング(DPM)モジュールとともに,PAVENet(Pattern Attentive VErification Network)を提案する。
DPMは、一貫性と差別的な書き込みパターンの認識を適応的に強化し、手書きスタイルの表現を洗練させる。
網羅的な評価を通じて、オンラインRDS検証の適用性を精査し、既存の手法よりも優れた性能を示す。
さらに, 過去の発見から逸脱する注目すべき偽造現象を発見し, 悪意ある詐欺師攻撃に対する肯定的な影響を議論する。
我々の研究は、プライバシー保護のバイオメトリック認証の実現可能性を強調し、その広範な受容と応用の可能性を示唆している。
関連論文リスト
- Contrastive Masked Autoencoders for Character-Level Open-Set Writer Identification [25.996617568144675]
本稿では,文字レベルのオープンセット文字識別のためのCMAE(Contrastive Masked Auto-Encoders)を提案する。
我々は,Masked Auto-Encoders (MAE) とContrastive Learning (CL) を同時に組み合わせて,逐次情報を収集し,多様な手書きスタイルを区別する。
我々のモデルはCASIAオンライン手書きデータセットの最先端の結果を達成し、89.7%の精度で到達した。
論文 参考訳（メタデータ） (2025-01-21T05:15:10Z) - DePrompt: Desensitization and Evaluation of Personal Identifiable Information in Large Language Model Prompts [11.883785681042593]
DePromptは、プロンプトのための脱感作保護および有効性評価フレームワークである。
我々は、コンテキスト属性を統合し、プライバシタイプを定義し、高精度なPIIエンティティ識別を実現する。
私たちのフレームワークはプロンプトに適応可能で、テキストのユーザビリティに依存したシナリオに拡張できます。
論文 参考訳（メタデータ） (2024-08-16T02:38:25Z) - SD-BLS: Privacy Preserving Selective Disclosure of Verifiable Credentials with Unlinkable Threshold Revocation [0.0]
本稿では,デジタル認証情報の選択的開示とプライバシ保護のための方法を提案する。
2階楕円曲線とBoneh-Lynn-Shacham(BLS)符号を用いる。
システムのユニークな設計は、大規模なリコールリストであっても、非常に高速なリコールチェックを可能にする。
論文 参考訳（メタデータ） (2024-06-27T09:41:13Z) - Enhanced Bank Check Security: Introducing a Novel Dataset and Transformer-Based Approach for Detection and Verification [11.225067563482169]
銀行チェックの署名検証に特化して設計された新しいデータセットを提案する。
このデータセットには、典型的なチェック要素に埋め込まれたさまざまなシグネチャスタイルが含まれている。
本稿では,オブジェクト検出ネットワークを用いた文字非依存署名検証のための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-06-20T14:42:14Z) - Anonymization Prompt Learning for Facial Privacy-Preserving Text-to-Image Generation [56.46932751058042]
我々は、テキストから画像への拡散モデルのための学習可能なプロンプトプレフィックスをトレーニングし、匿名化された顔のアイデンティティを生成するよう強制する。
実験では,非同一性固有の画像生成の品質を損なうことなく,特定の個人を匿名化するAPLの匿名化性能を実証した。
論文 参考訳（メタデータ） (2024-05-27T07:38:26Z) - ID-Aligner: Enhancing Identity-Preserving Text-to-Image Generation with Reward Feedback Learning [57.91881829308395]
AIポートレートや広告といった幅広いアプリケーションシナリオのために、ID-T2I(ID-preserving text-to-image generation)が注目されている。
我々は,ID-T2I性能を向上させるための一般的なフィードバック学習フレームワークである textbfID-Aligner を提案する。
論文 参考訳（メタデータ） (2024-04-23T18:41:56Z) - 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) - Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-07-31T10:22:33Z) - CSSL-RHA: Contrastive Self-Supervised Learning for Robust Handwriting
Authentication [23.565017967901618]
本稿では,ロバスト手書き認証のためのコントラスト型自己監督学習フレームワークを提案する。
複雑だが重要な特徴を動的に学習し、作者の身元を正確に予測することができる。
提案モデルでは,データ改ざんや汚損などの異常な状況下においても,認証を効果的に行うことができる。
論文 参考訳（メタデータ） (2023-07-18T02:20:46Z) - Unsupervised Text Deidentification [101.2219634341714]
個人識別情報を漏洩する単語を隠蔽する教師なしの識別手法を提案する。
K匿名性に基づくプライバシによって動機づけられた私たちは、最小の再識別ランクを保証するリアクションを生成します。
論文 参考訳（メタデータ） (2022-10-20T18:54:39Z)
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。