論文の概要: Generative Adversarial Networks Applied for Privacy Preservation in Biometric-Based Authentication and Identification

• arxiv url: http://arxiv.org/abs/2509.20024v1
• Date: Wed, 24 Sep 2025 11:39:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.799016
• Title: Generative Adversarial Networks Applied for Privacy Preservation in Biometric-Based Authentication and Identification
• Title（参考訳）: 生体認証・識別におけるプライバシ保護に応用したジェネレーティブ・アドバイサル・ネットワーク
• Authors: Lubos Mjachky, Ivan Homoliak,
• Abstract要約: 個人のプライバシーを保護し,GAN(Generative Adversarial Network)に基づく新たな認証手法を提案する。 GANは顔の画像を視覚的にプライベートな領域(花や靴など)に翻訳する。 我々の実験に基づいて、この手法は攻撃に対して堅牢であり、それでも有意義なユーティリティを提供する。
• 参考スコア（独自算出の注目度）: 0.47267770920095536
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Biometric-based authentication systems are getting broadly adopted in many areas. However, these systems do not allow participating users to influence the way their data is used. Furthermore, the data may leak and can be misused without the users' knowledge. In this paper, we propose a new authentication method that preserves the privacy of individuals and is based on a generative adversarial network (GAN). Concretely, we suggest using the GAN for translating images of faces to a visually private domain (e.g., flowers or shoes). Classifiers, which are used for authentication purposes, are then trained on the images from the visually private domain. Based on our experiments, the method is robust against attacks and still provides meaningful utility.
• Abstract（参考訳）: 生体認証システムは多くの分野で広く採用されている。 しかし、これらのシステムでは、参加者のデータの使い方に影響を与えない。 さらに、データは漏洩し、ユーザの知識なしに誤用される可能性がある。 本稿では,個人のプライバシを保護し,GAN(Generative Adversarial Network)に基づく新たな認証手法を提案する。 具体的には、顔の画像を視覚的にプライベートな領域(例えば、花や靴)に翻訳するために、GANを使うことを提案する。 認証目的で使用される分類器は、視覚的にプライベートドメインの画像に基づいて訓練される。 我々の実験に基づいて、この手法は攻撃に対して堅牢であり、それでも有意義なユーティリティを提供する。

関連論文リスト

• Shielding Latent Face Representations From Privacy Attacks [8.251076234961632]
  埋め込みのための多層保護フレームワークを提案する。 a) 完全同型暗号化(FHE)を用いた埋め込み、(b) 可逆な特徴多様体ハッシュを用いてそれらをハッシュする。 従来の暗号化方法とは異なり、FHEは暗号化データ上で直接計算を可能にし、強力なプライバシー保証を維持しながら、ダウンストリーム分析を可能にする。
  論文  参考訳（メタデータ） (2025-05-19T04:23:16Z)
• Efficient aggregation of face embeddings for decentralized face recognition deployments (extended version) [0.7349727826230862]
  バイオメトリックスは、最もプライバシーに敏感なデータの一つだ。プライバシーを重視するユビキタス認証システムは、分散化されたアプローチを優先している。 本稿では,異なるデータセットの広範囲な解析に基づいて,顔認識に使用される埋め込みを効率的に集約する方法を提案する。
  論文  参考訳（メタデータ） (2022-12-20T09:28:25Z)
• Conditional Generative Adversarial Network for keystroke presentation attack [0.0]
  本稿では,キーストローク認証システムへのプレゼンテーションアタックの展開を目的とした新しいアプローチを提案する。 我々の考えは、認証されたユーザを偽装するために使用できる合成キーストロークデータを生成するために、条件付き生成適応ネットワーク(cGAN)を使用することである。 その結果、cGANは、キーストローク認証システムを無効にするために使用できるキーストロークダイナミックスパターンを効果的に生成できることが示唆された。
  論文  参考訳（メタデータ） (2022-12-16T12:45:16Z)
• Hiding Visual Information via Obfuscating Adversarial Perturbations [47.315523613407244]
  本稿では,データの視覚的プライバシを保護するために,敵対的な視覚情報隠蔽手法を提案する。 具体的には、データの視覚情報を隠蔽する難読化対向摂動を生成する。 認識・分類タスクの実験結果から,提案手法が視覚情報を効果的に隠蔽できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-30T08:23:26Z)
• 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)
• 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)
• Subverting Privacy-Preserving GANs: Hiding Secrets in Sanitized Images [13.690485523871855]
  最先端のアプローチでは、プライバシ保護による生成的敵ネットワーク(PP-GAN)を使用して、ユーザのアイデンティティを漏洩することなく、信頼できる表情認識を可能にする。 PP-GANの高感度化出力画像に機密識別データを隠蔽して後で抽出できることを示す。
  論文  参考訳（メタデータ） (2020-09-19T19:02:17Z)
• 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。