論文の概要: Training-free Dimensionality Reduction via Feature Truncation: Enhancing Efficiency in Privacy-preserving Multi-Biometric Systems
- arxiv url: http://arxiv.org/abs/2508.11419v1
- Date: Fri, 15 Aug 2025 11:49:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-18 14:51:23.940482
- Title: Training-free Dimensionality Reduction via Feature Truncation: Enhancing Efficiency in Privacy-preserving Multi-Biometric Systems
- Title（参考訳）: 特徴トラニケーションによる学習自由次元化:プライバシー保護多生体認証システムにおける効率向上
- Authors: Florian Bayer, Maximilian Russo, Christian Rathgeb,
- Abstract要約: 生体認証は広く使われており、抽出されたテンプレートのプライバシーとセキュリティが重要な懸念事項となっている。
ディープニューラルネットワークの最近の進歩により、顔、指紋、虹彩の高度な特徴抽出が可能になった。
本研究は,マルチバイオメトリックテンプレートサイズを縮小したバイオメトリックスの性能について検討する。
- 参考スコア（独自算出の注目度）: 2.7513243189211063
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Biometric recognition is widely used, making the privacy and security of extracted templates a critical concern. Biometric Template Protection schemes, especially those utilizing Homomorphic Encryption, introduce significant computational challenges due to increased workload. Recent advances in deep neural networks have enabled state-of-the-art feature extraction for face, fingerprint, and iris modalities. The ubiquity and affordability of biometric sensors further facilitate multi-modal fusion, which can enhance security by combining features from different modalities. This work investigates the biometric performance of reduced multi-biometric template sizes. Experiments are conducted on an in-house virtual multi-biometric database, derived from DNN-extracted features for face, fingerprint, and iris, using the FRGC, MCYT, and CASIA databases. The evaluated approaches are (i) explainable and straightforward to implement under encryption, (ii) training-free, and (iii) capable of generalization. Dimensionality reduction of feature vectors leads to fewer operations in the Homomorphic Encryption (HE) domain, enabling more efficient encrypted processing while maintaining biometric accuracy and security at a level equivalent to or exceeding single-biometric recognition. Our results demonstrate that, by fusing feature vectors from multiple modalities, template size can be reduced by 67 % with no loss in Equal Error Rate (EER) compared to the best-performing single modality.
- Abstract（参考訳）: 生体認証は広く使われており、抽出されたテンプレートのプライバシーとセキュリティが重要な懸念事項となっている。
バイオメトリックテンプレート保護スキーム、特にホモモルフィック暗号化を利用するものは、作業負荷の増加による重要な計算課題を提起する。
ディープニューラルネットワークの最近の進歩により、顔、指紋、虹彩の高度な特徴抽出が可能になった。
バイオメトリックセンサーの使いやすさと手頃さにより、マルチモーダル融合がさらに促進され、異なるモダリティの特徴を組み合わせることでセキュリティが向上する。
本研究は,マルチバイオメトリックテンプレートサイズを縮小したバイオメトリックスの性能について検討する。
DNNが抽出した顔、指紋、虹彩の特徴を、FRGC、MCYT、CASIAデータベースを用いて、社内の仮想マルチバイオメトリックデータベース上で実験を行った。
評価されたアプローチは
(i)暗号化による実装が説明可能で簡単である。
(二)トレーニングなし、及び
(三)一般化が可能。
特徴ベクトルの次元化は、ホモモルフィック暗号化(HE)領域での操作を減らし、生体認証の精度とセキュリティを維持しつつ、より効率的な暗号化処理を可能にする。
その結果, マルチモーダル性から特徴ベクトルを融合させることで, テンプレートサイズを67 %削減できることがわかった。
関連論文リスト
- Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。
テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
論文 参考訳（メタデータ） (2025-08-12T17:19:20Z) - AMB-FHE: Adaptive Multi-biometric Fusion with Fully Homomorphic Encryption [3.092212810857262]
完全同相暗号(AMB-FHE)を用いた適応型多生体融合を提案する。
AMB-FHEは、CAIAアイリスとMCYT指紋データセットからなるバイモーダルバイオメトリックデータベースに対してベンチマークされる。
論文 参考訳（メタデータ） (2025-03-31T11:00:08Z) - Multi-modal biometric authentication: Leveraging shared layer architectures for enhanced security [0.0]
本稿では, 顔, 声, 署名データを統合し, セキュリティ対策を強化する新しい生体認証システムを提案する。
我々のモデルアーキテクチャは、包括的な特徴抽出のためのモダリティ固有の拡張とともに、二重共有層を組み込んでいる。
提案手法は,認証精度とロバスト性を大幅に向上させ,高度にセキュアなID認証ソリューションを実現する。
論文 参考訳（メタデータ） (2024-11-04T14:27:10Z) - 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) - Heterogenous Memory Augmented Neural Networks [84.29338268789684]
ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。
学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。
In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
論文 参考訳（メタデータ） (2023-10-17T01:05:28Z) - Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement
Learning [53.00683059396803]
マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。
本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。
本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
論文 参考訳（メタデータ） (2023-10-06T10:40:46Z) - Privacy-preserving Multi-biometric Indexing based on Frequent Binary
Patterns [7.092869001331781]
本稿では,保護された深いキャンセル可能なテンプレートを検索する,効率的なプライバシー保護型マルチバイオメトリック識別システムを提案する。
異なるタイプの生体特性から抽出された頻繁な二分パターンに含まれる低クラス内部の変動特性を利用するために,マルチバイオメトリック・ビンニング方式が設計された。
論文 参考訳（メタデータ） (2023-10-04T18:18:24Z) - Multimodal Adaptive Fusion of Face and Gait Features using Keyless
attention based Deep Neural Networks for Human Identification [67.64124512185087]
歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。
本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
論文 参考訳（メタデータ） (2023-03-24T05:28:35Z) - Fingerprint Image-Quality Estimation and its Application to
Multialgorithm Verification [56.128200319868526]
信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。
本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。
定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
論文 参考訳（メタデータ） (2022-11-24T12:17:49Z) - 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) - Generalized Iris Presentation Attack Detection Algorithm under
Cross-Database Settings [63.90855798947425]
プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。
本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。
これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
論文 参考訳（メタデータ） (2020-10-25T22:42:27Z)
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。