論文の概要: CryptoFace: End-to-End Encrypted Face Recognition

• arxiv url: http://arxiv.org/abs/2509.00332v1
• Date: Sat, 30 Aug 2025 03:11:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.181985
• Title: CryptoFace: End-to-End Encrypted Face Recognition
• Title（参考訳）: CryptoFace: エンドツーエンドの顔認識
• Authors: Wei Ao, Vishnu Naresh Boddeti,
• Abstract要約: 顔認識は多くの認証、セキュリティ、パーソナライズされたアプリケーションの中心である。 しかし、プライバシーの重大なリスク、特に機密性のある生体データへの不正アクセスに悩まされている。 本稿では,完全同相暗号(FHE)を用いた最初のエンドツーエンドの顔認識システムであるCryptoFaceを紹介する。 顔認識プロセスのすべてのステージ — 機能抽出、ストレージ、マッチング — において、生の画像や特徴を公開せずに、顔データのセキュアな処理を可能にする。
• 参考スコア（独自算出の注目度）: 22.987960798268105
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Face recognition is central to many authentication, security, and personalized applications. Yet, it suffers from significant privacy risks, particularly arising from unauthorized access to sensitive biometric data. This paper introduces CryptoFace, the first end-to-end encrypted face recognition system with fully homomorphic encryption (FHE). It enables secure processing of facial data across all stages of a face-recognition process--feature extraction, storage, and matching--without exposing raw images or features. We introduce a mixture of shallow patch convolutional networks to support higher-dimensional tensors via patch-based processing while reducing the multiplicative depth and, thus, inference latency. Parallel FHE evaluation of these networks ensures near-resolution-independent latency. On standard face recognition benchmarks, CryptoFace significantly accelerates inference and increases verification accuracy compared to the state-of-the-art FHE neural networks adapted for face recognition. CryptoFace will facilitate secure face recognition systems requiring robust and provable security. The code is available at https://github.com/human-analysis/CryptoFace.
• Abstract（参考訳）: 顔認識は多くの認証、セキュリティ、パーソナライズされたアプリケーションの中心である。 しかし、プライバシーの重大なリスク、特に機密性のある生体データへの不正アクセスに悩まされている。 本稿では,完全同型暗号(FHE)を用いた最初のエンドツーエンドの顔認識システムであるCryptoFaceを紹介する。 顔認識プロセスのすべてのステージ — 機能抽出、ストレージ、マッチング — において、生の画像や特徴を公開せずに、顔データのセキュアな処理を可能にする。 パッチベースの処理によって高次元テンソルをサポートするための浅部パッチ畳み込みネットワークの混合を導入し,乗算深度を低減し,推論遅延を低減した。 これらのネットワークの並列FHE評価により、ほぼ解像度に依存しないレイテンシが保証される。 標準的な顔認識ベンチマークでは、CryptoFaceは顔認識に適応した最先端のFHEニューラルネットワークと比較して、推論を著しく加速し、検証精度を高める。 CryptoFaceは、堅牢で証明可能なセキュリティを必要とするセキュアな顔認識システムを容易にする。 コードはhttps://github.com/ Human-analysis/CryptoFaceで入手できる。

関連論文リスト

• CipherFace: A Fully Homomorphic Encryption-Driven Framework for Secure Cloud-Based Facial Recognition [0.0]
  本稿では,セキュアなクラウドベース顔認識のための同型暗号化駆動フレームワークであるCipherFaceを紹介する。 FHEを活用することで、CipherFaceは、効率的な距離計算のためにクラウドを活用しながら、埋め込みのプライバシを保証する。 本稿では,暗号化されたデータに対して,セキュアな類似性計算を行う上で重要な課題に対処する,ユークリッドとコサインの双方に対する新しい暗号化距離計算手法を提案する。
  論文  参考訳（メタデータ） (2025-02-22T19:03:04Z)
• A Machine Learning-Based Secure Face Verification Scheme and Its Applications to Digital Surveillance [0.9208007322096533]
  ほとんどの現実世界の認識システムは、認証に使用される識別に敏感な顔画像を保護することの重要性を無視している。 我々は、DeepID2畳み込みニューラルネットワークを用いて、顔画像の特徴を抽出し、EMアルゴリズムを用いて顔認証問題を解決する。 我々は,3段階のプライバシ懸念に基づいて,地域社会の監視(または入り口)制御のための3つの顔認証システムを開発した。
  論文  参考訳（メタデータ） (2024-10-29T12:25:00Z)
• G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
  可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。 本稿では,Gtextsuperscript2Faceを提案する。 提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
  論文  参考訳（メタデータ） (2024-08-18T12:36:47Z)
• 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)
• 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)
• Privacy-Preserving Face Recognition with Learnable Privacy Budgets in Frequency Domain [77.8858706250075]
  本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。 本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
  論文  参考訳（メタデータ） (2022-07-15T07:15:36Z)
• 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)
• End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
  最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。 本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。 我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
  論文  参考訳（メタデータ） (2021-08-21T09:08:41Z)
• 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。