論文の概要: FLAME: Flexible and Lightweight Biometric Authentication Scheme in Malicious Environments

• arxiv url: http://arxiv.org/abs/2511.02176v1
• Date: Tue, 04 Nov 2025 01:43:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:05.770098
• Title: FLAME: Flexible and Lightweight Biometric Authentication Scheme in Malicious Environments
• Title（参考訳）: FLAME:悪意のある環境でのフレキシブルで軽量な生体認証方式
• Authors: Fuyi Wang, Fangyuan Sun, Mingyuan Fan, Jianying Zhou, Jin Ma, Chao Chen, Jiangang Shu, Leo Yu Zhang,
• Abstract要約: バイオメトリックアンダーライン認証スキームはUnderlineMaliciousアンダーライン環境のために設計されている。 厳密な理論的分析は$sysname$の正確性、セキュリティ、効率性を検証する。
• 参考スコア（独自算出の注目度）: 28.701804496120406
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Privacy-preserving biometric authentication (PPBA) enables client authentication without revealing sensitive biometric data, addressing privacy and security concerns. Many studies have proposed efficient cryptographic solutions to this problem based on secure multi-party computation, typically assuming a semi-honest adversary model, where all parties follow the protocol but may try to learn additional information. However, this assumption often falls short in real-world scenarios, where adversaries may behave maliciously and actively deviate from the protocol. In this paper, we propose, implement, and evaluate $\sysname$, a \underline{F}lexible and \underline{L}ightweight biometric \underline{A}uthentication scheme designed for a \underline{M}alicious \underline{E}nvironment. By hybridizing lightweight secret-sharing-family primitives within two-party computation, $\sysname$ carefully designs a line of supporting protocols that incorporate integrity checks with rationally extra overhead. Additionally, $\sysname$ enables server-side authentication with various similarity metrics through a cross-metric-compatible design, enhancing flexibility and robustness without requiring any changes to the server-side process. A rigorous theoretical analysis validates the correctness, security, and efficiency of $\sysname$. Extensive experiments highlight $\sysname$'s superior efficiency, with a communication reduction by {$97.61\times \sim 110.13\times$} and a speedup of {$ 2.72\times \sim 2.82\times$ (resp. $ 6.58\times \sim 8.51\times$)} in a LAN (resp. WAN) environment, when compared to the state-of-the-art work.
• Abstract（参考訳）: プライバシ保存バイオメトリック認証(PPBA)は、機密なバイオメトリックデータを公開せずに、プライバシとセキュリティ上の懸念に対処するクライアント認証を可能にする。 多くの研究が、セキュアなマルチパーティ計算に基づいて、この問題に対する効率的な暗号解を提案しており、典型的には、全てのパーティがプロトコルに従うが、追加情報を学ぼうとする半正直な敵モデルを想定している。 しかし、この仮定は、敵が悪意を持って行動し、プロトコルから積極的に逸脱する現実世界のシナリオでは、しばしば不足する。 本稿では,$\sysname$, a \underline{F}lexible および \underline{L}ightweight biometric \underline{A}uthentication scheme を提案し,実装し,評価する。 軽量なシークレット共有ファミリープリミティブを2要素計算でハイブリダイズすることで、$\sysname$は、合理的に余分なオーバーヘッドを伴う整合性チェックを含むサポートプロトコルのラインを慎重に設計する。 さらに$\sysname$は、クロスメトリック互換設計を通じて、さまざまな類似性メトリクスによるサーバ側認証を可能にし、サーバ側プロセスの変更を必要とせずに、柔軟性と堅牢性を向上させる。 厳密な理論的分析は$\sysname$の正当性、セキュリティ、効率性を検証する。 大規模な実験では、$\sysname$の優れた効率が強調され、通信効率は {97.61\times \sim 110.13\times$} と {2.72\times \sim 2.82\times$ (resp) に短縮された。 6.58\times \sim 8.51\times$)} は LAN (resp. WAN) 環境で、最先端の作業と比較している。

関連論文リスト

• PrivGNN: High-Performance Secure Inference for Cryptographic Graph Neural Networks [26.99268618245047]
  $sysname$は、クラウドにおけるグラフ中心推論のための軽量な暗号スキームである。 $sysname$は、新しい2PCインタラクティブプロトコルのシリーズに基づいて慎重に設計されている。 4つのデータセットに対する実験では、$sysname$の優れた効率と$1.3times sim 4.7times$高速なセキュアな予測が示されている。
  論文  参考訳（メタデータ） (2025-11-04T01:59:26Z)
• SketchGuard: Scaling Byzantine-Robust Decentralized Federated Learning via Sketch-Based Screening [15.287835378843425]
  Decentralized Federated Learning (DFL)は、集中型サーバを使わずに、プライバシ保護による協調トレーニングを可能にする。 DFLは、悪意のあるクライアントが破損したモデルを更新するビザンティン攻撃に対して脆弱である。 スケッチベースの隣人スクリーニングによるモデルアグリゲーションからビザンチンフィルタを分離するSketchGuardを提案する。
  論文  参考訳（メタデータ） (2025-10-09T08:16:32Z)
• Probabilistically Tightened Linear Relaxation-based Perturbation Analysis for Neural Network Verification [83.25968588249776]
  本稿では,LiRPAに基づく手法とサンプリングに基づく手法を組み合わせることで,厳密な中間到達性集合を計算できる新しいフレームワークを提案する。 無視可能な計算オーバーヘッドでは、$textttPT-LiRPA$は推定された到達可能な集合を利用し、ニューラルネットワークの出力の上下線形境界を著しく締め付ける。
  論文  参考訳（メタデータ） (2025-07-07T18:45:53Z)
• LitMAS: A Lightweight and Generalized Multi-Modal Anti-Spoofing Framework for Biometric Security [45.216049137040336]
  音声,顔,虹彩,指紋に基づく生体認証システムにおいて,スプーフィング攻撃を検出するためのフレームワークであるLitMASを提案する。 LitMASの中核にはModality-Aligned concentration Lossがあり、クラス間の分離性を高めている。 6Mパラメータだけで、LitMASは最先端のメソッドを7つのデータセットで平均1.36%のEERで上回っている。
  論文  参考訳（メタデータ） (2025-06-07T11:04:08Z)
• Authenticated Private Set Intersection: A Merkle Tree-Based Approach for Enhancing Data Integrity [14.198268829996259]
  プライベート・セット・インターセクション(PSI)は、参加者のプライバシーを維持しながら、セット・交差点のセキュアな計算を可能にする。 標準PSIの既存のプロトコルは、悪意のある参加者が追加の交差点情報を抽出できるようなデータ完全性攻撃に弱いままである。 我々はPSIにおけるデータの整合性の定義を提案し、Merkle Treesと最先端の2パーティVolePSIとマルチパーティmPSIプロトコルを統合することにより、2つの認証PSIスキームを構築する。
  論文  参考訳（メタデータ） (2025-06-05T05:28:59Z)
• Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [71.7892165868749]
  LLM(Commercial Large Language Model) APIは基本的な信頼の問題を生み出します。 ユーザーは特定のモデルに課金するが、プロバイダが忠実に提供できることを保証することはない。 我々は,このモデル置換問題を定式化し,現実的な逆条件下での検出方法を評価する。 我々は,信頼された実行環境(TEE)を実用的で堅牢なソリューションとして使用し,評価する。
  論文  参考訳（メタデータ） (2025-04-07T03:57:41Z)
• Towards a Sharp Analysis of Offline Policy Learning for $f$-Divergence-Regularized Contextual Bandits [49.96531901205305]
  我々は$f$-divergence-regularized offline policy learningを分析する。 逆Kullback-Leibler (KL) の発散に対して、単極集中性の下での最初の$tildeO(epsilon-1)$サンプル複雑性を与える。 これらの結果は,$f$-divergence-regularized policy learningの包括的理解に向けて大きな一歩を踏み出したものと考えられる。
  論文  参考訳（メタデータ） (2025-02-09T22:14:45Z)
• Federated Combinatorial Multi-Agent Multi-Armed Bandits [79.1700188160944]
  本稿では,Banditを用いたオンライン最適化に適したフェデレーション学習フレームワークを提案する。 この設定では、エージェントのアームサブセットは、個々のアーム情報にアクセスせずにこれらのサブセットに対するノイズの多い報酬を観察し、特定の間隔で協力して情報を共有することができる。
  論文  参考訳（メタデータ） (2024-05-09T17:40:09Z)
• Online non-parametric likelihood-ratio estimation by Pearson-divergence functional minimization [55.98760097296213]
  iid 観測のペア $(x_t sim p, x'_t sim q)$ が時間の経過とともに観測されるような,オンラインな非パラメトリック LRE (OLRE) のための新しいフレームワークを提案する。 本稿では,OLRE法の性能に関する理論的保証と,合成実験における実証的検証について述べる。
  論文  参考訳（メタデータ） (2023-11-03T13:20:11Z)

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。