Fugu-MT 論文翻訳(概要): Reconstructing Protected Biometric Templates from Binary Authentication Results

論文の概要: Reconstructing Protected Biometric Templates from Binary Authentication Results

arxiv url: http://arxiv.org/abs/2601.17620v1
Date: Sat, 24 Jan 2026 22:52:40 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-27 15:23:08.097361
Title: Reconstructing Protected Biometric Templates from Binary Authentication Results
Title（参考訳）: バイナリ認証結果から保護されたバイオメトリックテンプレートを再構築する
Authors: Eliron Rahimi, Margarita Osadchy, Orr Dunkelman,
Abstract要約: 認証の試みの成功/失敗をただ観察するだけで生体認証テンプレートを再構築できることを示す。本攻撃は, テンプレート再構築の損失を無視し, 顔画像の完全回復を可能にする。
参考スコア（独自算出の注目度）: 4.72057141286429
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Biometric data is considered to be very private and highly sensitive. As such, many methods for biometric template protection were considered over the years -- from biohashing and specially crafted feature extraction procedures, to the use of cryptographic solutions such as Fuzzy Commitments or the use of Fully Homomorphic Encryption (FHE). A key question that arises is how much protection these solutions can offer when the adversary can inject samples, and observe the outputs of the system. While for systems that return the similarity score, one can use attacks such as hill-climbing, for systems where the adversary can only learn whether the authentication attempt was successful, this question remained open. In this paper, we show that it is indeed possible to reconstruct the biometric template by just observing the success/failure of the authentication attempt (given the ability to inject a sufficient amount of templates). Our attack achieves negligible template reconstruction loss and enables full recovery of facial images through a generative inversion method, forming a pipeline from binary scores to high-resolution facial images that successfully pass the system more than 98\% of the time. Our results, of course, are applicable for any protection mechanism that maintains the accuracy of the recognition.
Abstract（参考訳）: 生体データは極めてプライベートであり、非常に感度が高いと考えられている。このように、バイオハッシングや特殊な特徴抽出手順、ファジィ・コミットのような暗号化ソリューションの使用、フル・ホモモルフィック・暗号化(FHE)の使用など、バイオメトリック・テンプレート保護のための多くの手法が長年にわたって検討されてきた。重要な疑問は、敵がサンプルを注入し、システムの出力を観察できるときに、これらのソリューションがどの程度の保護を提供できるかである。類似度スコアを返すシステムでは、ヒルクライミングのような攻撃を使用できるが、敵が認証試みが成功したかどうかを学習できないシステムでは、この問題は未解決のままである。本稿では,認証の試みの成功/失敗(十分な量のテンプレートを注入する能力)を観察するだけで,バイオメトリックテンプレートの再構築が実際に可能であることを示す。本攻撃は, 2進法から高分解能の顔画像へのパイプラインを形成し,98倍以上の時間経過時間で顔画像の完全復元を可能にする。我々の結果は、認識の正確性を維持するいかなる保護機構にも当てはまります。

関連論文リスト

Adapter Shield: A Unified Framework with Built-in Authentication for Preventing Unauthorized Zero-Shot Image-to-Image Generation [74.5813283875938]
ゼロショット画像・画像生成は知的財産権侵害に重大なリスクをもたらす。この研究は、個人イメージを誤用から守ることを目的とした、最初の普遍的および認証統合ソリューションであるAdapter Shieldを提示する。提案手法は, ゼロショット画像合成の不正化において, 最先端の防御を克服する。
論文参考訳（メタデータ） (2025-11-25T04:49:16Z)
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)
From Detection to Correction: Backdoor-Resilient Face Recognition via Vision-Language Trigger Detection and Noise-Based Neutralization [2.661968537236039]
バックドア攻撃はディープニューラルネットワーク(DNN)を利用した顔認識システムを覆すそこで我々はTrueBiometric: Trustworthy Biometricsを提案する。実験の結果,TrueBiometricはクリーンな画像の精度を損なうことなく,100%の精度で有毒な画像を検出し,修正することを示した。
論文参考訳（メタデータ） (2025-08-07T14:02:34Z)
Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文参考訳（メタデータ） (2024-05-01T12:03:39Z)
Enhancing Privacy in Face Analytics Using Fully Homomorphic Encryption [8.742970921484371]
本稿では,FHE(Fully Homomorphic Encryption)と,PolyProtectと呼ばれるテンプレート保護方式を組み合わせた新しい手法を提案する。提案手法は,非可逆性と無リンク性を保証し,ソフトバイオメトリック埋め込みの漏洩を効果的に防止する。
論文参考訳（メタデータ） (2024-04-24T23:56:03Z)
A secure and private ensemble matcher using multi-vault obfuscated templates [1.3518297878940662]
生成AIは、データ生成において前例のないリアリズム、多様性、効率を提供することによって、現代の機械学習に革命をもたらした。バイオメトリックテンプレートのセキュリティとセキュアマッチングは、現代のバイオメトリックシステムにおいて最も求められている特徴である。本稿では,バイオメトリックテンプレートのセキュリティを高めるために,ジェネレーティブAIを用いた新しい難読化手法を提案する。
論文参考訳（メタデータ） (2024-04-08T05:18:39Z)
Mask and Restore: Blind Backdoor Defense at Test Time with Masked Autoencoder [50.1394620328318]
既存のバックドア防御手法では、いくつかのバリデーションデータとモデルパラメータにアクセスする必要があることが多い。 Masked AutoEncoder (BDMAE) を用いたブラインドバックドアディフェンスの提案 BDMAEは、画像の構造的類似性と、テスト画像とMAE復元の間のラベルの整合性を用いて、可能な局所的なトリガを検出する。
論文参考訳（メタデータ） (2023-03-27T19:23:33Z)
OTB-morph: One-Time Biometrics via Morphing applied to Face Templates [8.623680649444212]
本稿では,テンプレートを潜在的な攻撃から保護することを目的とした,キャンセル可能なバイオメトリックスのための新しい手法を提案する。フェースバイオメトリックスに対して提案手法を実験的に実装する。
論文参考訳（メタデータ） (2021-11-25T18:35:34Z)
Authentication Attacks on Projection-based Cancelable Biometric Schemes [0.6499759302108924]
Cancelable Biometric schemesは、パスワード、ストアドシークレット、ソルトといったユーザ固有のトークンとバイオメトリックデータを組み合わせることで、安全なバイオメトリックテンプレートを生成することを目的としている。キャンセル可能なバイオメトリックスキームのセキュリティ要件は、比較の精度を損なうことなく、テンプレートの不可逆性、非リンク性、無効性に関するものである。本稿では、整数線形計画法(ILP)と2次制約付き二次計画法(QCQP)の助けを借りて、従来のキャンセル可能なスキームに対してこれらの攻撃を形式化する。
論文参考訳（メタデータ） (2021-10-28T14:39:35Z)
Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
論文参考訳（メタデータ） (2021-02-01T09:17:18Z)
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。