論文の概要: Privacy-Preserving Iris Recognition: Performance Challenges and Outlook

• arxiv url: http://arxiv.org/abs/2603.26890v1
• Date: Fri, 27 Mar 2026 18:10:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.681227
• Title: Privacy-Preserving Iris Recognition: Performance Challenges and Outlook
• Title（参考訳）: プライバシ保護アイリス認識:パフォーマンスの課題と展望
• Authors: Christina Karakosta, Lian Alhedaithy, William J. Knottenbelt,
• Abstract要約: 虹彩に基づく生体認証は、その顕著な精度と長期的な安定性により、ますます認識されている。 FHE(Fully Homomorphic Encryption)は、計算中に機密データを保護するための有望なソリューションとして登場した。 本稿では,FHEを用いたプライバシ保護虹彩認識システムの性能課題について検討する。
• 参考スコア（独自算出の注目度）: 4.014524824655106
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Iris-based biometric identification is increasingly recognized for its significant accuracy and long-term stability compared to other biometric modalities such as fingerprints or facial features. However, all biometric modalities are highly sensitive data that raise serious privacy and security concerns, particularly in decentralized and untrusted environments. While Fully Homomorphic Encryption (FHE) has emerged as a promising solution for protecting sensitive data during computation, existing privacy-preserving iris recognition systems face significant performance limitations that hinder their practical deployment. This paper investigates the performance challenges of the current landscape of privacy-preserving iris recognition systems using FHE. Based on these insights, we outline a scalable privacy-preserving framework that aligns with all the requirements specified in the ISO/IEC 24745 standard. Leveraging the Open Iris library, our approach starts with robust iris segmentation, followed by normalization and feature extraction using Gabor filters to generate iris codes. We then apply binary masking to filter out unreliable regions and perform matching using Hamming distance on encrypted iris codes. The accuracy and performance of our proposed privacy-preserving framework is evaluated on the CASIA-Iris-Thousand dataset. Results show that our privacy-preserving framework yields very similar accuracy to the cleartext equivalent, but a much higher computational overhead with respect to pairwise iris template comparisons, of $\sim 120\,000 \times$. This points towards the need for the deployment of two-level schemes in the context of scalable $1-N$ template comparisons.
• Abstract（参考訳）: 虹彩をベースとした生体認証は、指紋や顔の特徴などの他の生体指標と比較すると、その顕著な正確さと長期的な安定性でますます認識されている。 しかしながら、すべてのバイオメトリック・モダリティは、特に分散型で信頼できない環境で、深刻なプライバシーとセキュリティ上の懸念を引き起こす非常に機密性の高いデータである。 FHE(Fully Homomorphic Encryption)は、計算中に機密データを保護するための有望なソリューションとして登場したが、既存のプライバシ保護虹彩認識システムは、実用的デプロイメントを妨げる重要なパフォーマンス制限に直面している。 本稿では、FHEを用いた現在のプライバシー保護虹彩認識システムの性能課題について考察する。 これらの知見に基づいて、我々は、ISO/IEC 24745標準で規定されているすべての要件に適合するスケーラブルなプライバシ保護フレームワークの概要を述べる。 Open Irisライブラリを活用することで、堅牢なアイリスセグメンテーションから始まり、次にGaborフィルタを用いて正規化と特徴抽出を行い、アイリスコードを生成する。 次に、二元マスクを用いて信頼できない領域をフィルタリングし、暗号化されたアイリス符号上でハミング距離を用いてマッチングを行う。 CASIA-Iris-Thousandデータセットを用いて,プライバシ保護フレームワークの精度と性能を評価した。 その結果、我々のプライバシー保護フレームワークはクリアテキストと同等の精度を得るが、ペアワイドのアイリステンプレート比較に関して計算オーバーヘッドはより高く、$\sim 120\,000 \times$であることがわかった。 これは、スケーラブルな1-N$テンプレートの比較という文脈で、2段階のスキームをデプロイする必要があることを指している。

関連論文リスト

• A Parallel Region-Adaptive Differential Privacy Framework for Image Pixelization [4.738949927143789]
  差分的にプライベートなピクセル化は、ノイズ付加による視覚データの数学的に保証された保護を提供する。 本稿では,差分プライバシーの理論的厳密さと実用的な効率性を組み合わせた,並列な領域適応型画素化フレームワークを提案する。 提案手法は,GPU並列性を利用して,局所的複雑性に基づいてグリッドサイズとノイズスケールを適応的に調整し,実行時アクセラレーションを実現する。 これにより、高齢者ケア、スマートホームモニタリング、運転行動分析、群衆行動監視といったリアルタイムプライバシクリティカルなアプリケーションに適していることが検証される。
  論文  参考訳（メタデータ） (2025-11-06T10:51:20Z)
• Secure and Scalable Face Retrieval via Cancelable Product Quantization [48.58859061524146]
  ホモモルフィック暗号化(HE)は、暗号空間における算術演算を有効にすることにより、強力なセキュリティ保証を提供する。 セキュアな顔表現検索のための高効率なフレームワークであるCancelable Product Quantizationを提案する。
  論文  参考訳（メタデータ） (2025-08-31T10:19:55Z)
• Urania: Differentially Private Insights into AI Use [102.27238986985698]
  $Urania$は、クラスタリング、パーティション選択、ヒストグラムベースの要約といったDPツールを活用することによって、エンドツーエンドのプライバシ保護を提供する。 結果は、厳密なユーザのプライバシを維持しながら、意味のある会話の洞察を抽出するフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2025-06-05T07:00:31Z)
• Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
  FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。 FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
  論文  参考訳（メタデータ） (2025-05-07T17:58:25Z)
• Trade-offs in Privacy-Preserving Eye Tracking through Iris Obfuscation: A Benchmarking Study [44.44776028287441]
  ユーザアイデンティティを難読化するために,ボーリング,ノイズアップ,ダウンサンプリング,ゴムシートモデル,アイリススタイルの転送をベンチマークした。 実験の結果,曖昧化やノイズ化といった標準的な画像処理手法が,ディープラーニングに基づくタスクに限界的影響を与えることがわかった。 ダウンサンプリング,ゴムシートモデル,アイリススタイル転送は,ユーザ識別子の隠蔽に有効であるが,アイリススタイル転送は高い計算コストで,両ユーティリティタスクにおいて他よりも優れている。
  論文  参考訳（メタデータ） (2025-04-14T14:29:38Z)
• Facial Expression Recognition with Controlled Privacy Preservation and Feature Compensation [24.619279669211842]
  顔表情認識(FER)システムは、機密情報の潜在的な暴露により、重要なプライバシー上の懸念を生じさせる。 本稿では,FER機能を保ちながら識別情報を除去する手法を提案する。 プライバシを損なうことなく,パフォーマンスを最適化する制御されたプライバシ強化機構とタスク関連機能を強化する機能補償機構を導入する。
  論文  参考訳（メタデータ） (2024-11-29T23:12:38Z)
• Securing Biometric Data: Fully Homomorphic Encryption in Multimodal Iris and Face Recognition [1.1470070927586018]
  本研究は,アイリスと顔特徴ベクトルを融合させる手法について検討し,融合データベースを保護するための堅牢なセキュリティ対策を実装した。 QFIRE-Iデータベースを用いた評価では,高い精度を維持しつつユーザのプライバシーと精度を効果的にバランスさせることが示されている。
  論文  参考訳（メタデータ） (2024-08-26T20:05:48Z)
• TernaryVote: Differentially Private, Communication Efficient, and Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
  本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。 提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
  論文  参考訳（メタデータ） (2024-02-16T16:41:14Z)
• Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning [96.72850130126294]
  高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。 IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。 IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
  論文  参考訳（メタデータ） (2021-10-20T01:37:19Z)

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。