論文の概要: Bidirectional Biometric Authentication Using Transciphering and (T)FHE

• arxiv url: http://arxiv.org/abs/2506.12802v1
• Date: Sun, 15 Jun 2025 10:34:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:46.896489
• Title: Bidirectional Biometric Authentication Using Transciphering and (T)FHE
• Title（参考訳）: 暗号化と(T)FHEを用いた双方向バイオメトリック認証
• Authors: Joon Soo Yoo, Tae Min Ahn, Ji Won Yoon,
• Abstract要約: 生体認証システムでは、虹彩や指紋などの漏洩したテンプレートがセキュリティ侵害につながるため、プライバシー上のリスクが生じる。 本稿では,BTF(Bidirectional Transciphering Framework)を提案する。 BTFは、返却されたFHE暗号文のサイズを減らし、クライアントが認証の成功を誤って報告することを防ぎ、スケーラブルで集中型のFHEキー管理を可能にする、という3つの中核的なデプロイメント課題に対処する。
• 参考スコア（独自算出の注目度）: 2.423735225769664
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Biometric authentication systems pose privacy risks, as leaked templates such as iris or fingerprints can lead to security breaches. Fully Homomorphic Encryption (FHE) enables secure encrypted evaluation, but its deployment is hindered by large ciphertexts, high key overhead, and limited trust models. We propose the Bidirectional Transciphering Framework (BTF), combining FHE, transciphering, and a non-colluding trusted party to enable efficient and privacy-preserving biometric authentication. The key architectural innovation is the introduction of a trusted party that assists in evaluation and key management, along with a double encryption mechanism to preserve the FHE trust model, where client data remains private. BTF addresses three core deployment challenges: reducing the size of returned FHE ciphertexts, preventing clients from falsely reporting successful authentication, and enabling scalable, centralized FHE key management. We implement BTF using TFHE and the Trivium cipher, and evaluate it on iris-based biometric data. Our results show up to a 121$\times$ reduction in transmission size compared to standard FHE models, demonstrating practical scalability and deployment potential.
• Abstract（参考訳）: 生体認証システムでは、虹彩や指紋などの漏洩したテンプレートがセキュリティ侵害につながるため、プライバシー上のリスクが生じる。 完全同型暗号化(FHE)はセキュアな暗号化評価を可能にするが、その展開には大きな暗号文、高い鍵オーバーヘッド、限られた信頼モデルが妨げられている。 本稿では,FHE,トランス暗号,非凝固信頼者を組み合わせた双方向暗号フレームワーク(BTF)を提案し,効率的かつプライバシ保護のバイオメトリック認証を実現する。 鍵となるアーキテクチャ上の革新は、評価とキー管理を支援する信頼できるサードパーティの導入と、クライアントデータが非公開のままであるFHE信頼モデルを保存するための二重暗号化メカニズムの導入である。 BTFは、返却されたFHE暗号文のサイズを減らし、クライアントが認証の成功を誤って報告することを防ぎ、スケーラブルで集中型のFHEキー管理を可能にする、という3つの中核的なデプロイメント課題に対処する。 We implement BTF using TFHE and the Trivium cipher, and evaluate it on iris-based biometric data。 その結果、標準的なFHEモデルと比較して伝送サイズを121$\times$で削減し、実用的なスケーラビリティとデプロイメントの可能性を示した。

関連論文リスト

• Privacy-Preserving Federated Learning against Malicious Clients Based on Verifiable Functional Encryption [0.3683202928838613]
  フェデレートラーニング(Federated Learning)は、ローカルクライアントデータを公開せずに協調的なモデルトレーニングを可能にする、有望な分散学習パラダイムである。 フェデレーション学習の分散した性質は、悪意のあるクライアントによる攻撃に対して特に脆弱である。 本稿では,検証可能な機能暗号化に基づくプライバシ保護型フェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-15T13:38:40Z)
• Zero-Trust Foundation Models: A New Paradigm for Secure and Collaborative Artificial Intelligence for Internet of Things [61.43014629640404]
  Zero-Trust Foundation Models (ZTFM)は、ゼロトラストセキュリティの原則をIoT(Internet of Things)システムの基盤モデル(FM)のライフサイクルに組み込む。 ZTFMは、分散、異質、潜在的に敵対的なIoT環境にわたって、セキュアでプライバシ保護のAIを可能にする。
  論文  参考訳（メタデータ） (2025-05-26T06:44:31Z)
• Cryptanalysis on Lightweight Verifiable Homomorphic Encryption [7.059472280274008]
  Verible Homomorphic Encryption (VHE) は、正則暗号 (HE) と検証計算 (VC) を統合する暗号技術である。 これは、アウトソース計算におけるプライバシと整合性の両方を保証するための重要な技術として機能する。 本稿では,暗号方式の同型性を利用した効率的な攻撃手法を提案する。
  論文  参考訳（メタデータ） (2025-02-18T08:13:10Z)
• Cryptanalysis via Machine Learning Based Information Theoretic Metrics [58.96805474751668]
  本稿では,機械学習アルゴリズムの新たな2つの応用法を提案する。 これらのアルゴリズムは、監査設定で容易に適用でき、暗号システムの堅牢性を評価することができる。 本稿では,DES,RSA,AES ECBなど,IND-CPAの安全でない暗号化スキームを高精度に識別する。
  論文  参考訳（メタデータ） (2025-01-25T04:53:36Z)
• Secure Semantic Communication With Homomorphic Encryption [52.5344514499035]
  本稿では,SemCom に準同型暗号を適用する可能性について検討する。 タスク指向のSemComスキームを提案する。
  論文  参考訳（メタデータ） (2025-01-17T13:26:14Z)
• Cryptanalysis of Cancelable Biometrics Vault [0.552480439325792]
  Cancelable Biometrics (CB) は、バイオメトリックスとユーザ固有のトークンを組み合わせて安全なテンプレートを生成するバイオメトリック変換スキームである。 バイオメトリックスでは、生体データを用いて暗号鍵を保護するために鍵結合方式を用いる。 我々の暗号解析はCBVスキームの無効性とリンク可能性の脆弱性を明らかにすることによって新しい視点を導入する。
  論文  参考訳（メタデータ） (2025-01-10T08:36:59Z)
• Gradient-based facial encoding for key generation to encrypt and decrypt multimedia data [0.873811641236639]
  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。
  論文  参考訳（メタデータ） (2024-12-09T19:12:17Z)
• FedSOV: Federated Model Secure Ownership Verification with Unforgeable Signature [60.99054146321459]
  フェデレートラーニングにより、複数のパーティがプライベートデータを公開せずにグローバルモデルを学ぶことができる。 本稿では,FedSOVという暗号署名に基づくフェデレート学習モデルのオーナシップ検証手法を提案する。
  論文  参考訳（メタデータ） (2023-05-10T12:10:02Z)
• 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)
• THE-X: Privacy-Preserving Transformer Inference with Homomorphic Encryption [112.02441503951297]
  トランスフォーマーモデルのプライバシ保護推論は、クラウドサービスユーザの要求に基づいています。 我々は、事前訓練されたモデルのプライバシ保存推論を可能にするトランスフォーマーの近似アプローチである$textitTHE-X$を紹介した。
  論文  参考訳（メタデータ） (2022-06-01T03:49:18Z)

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。