論文の概要: From Classification to Consistent Templates: Multiple Permuted-Label Classifier Encoding for Biometric Template Protection

• arxiv url: http://arxiv.org/abs/2607.13845v1
• Date: Wed, 15 Jul 2026 13:52:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.790157
• Title: From Classification to Consistent Templates: Multiple Permuted-Label Classifier Encoding for Biometric Template Protection
• Title（参考訳）: 分類から一貫性テンプレートへ:バイオメトリックテンプレート保護のための多変量ラベル分類器符号化
• Authors: Baogang Song, Zhongshu Zhao, Qianrong Zheng, Jianwen Xiang, Dongdong Zhao,
• Abstract要約: バイオメトリックテンプレート保護は、クラス内のバリエーションを許容しながら、ストアドテンプレートを確保する必要がある。 暗号化ハッシュダイジェストのみをストアすることは、直接的に同等の表現を排除し、プリハッシュテンプレートを隠蔽する。 我々はハッシュベースの正確なマッチング検証のためのMultiple Security Permuted-Label (MPLCE)を提案する。 MPLCEは4つの顔と2つの虹彩データセットで競合性能を達成する。
• 参考スコア（独自算出の注目度）: 2.6789640930974077
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biometric template protection (BTP) must secure stored templates while tolerating intra-class variations. Existing methods rely on protected-domain similarity matching, error correction, or predefined-template mappings, potentially retaining exploitable similarity structures, introducing helper-data risks, depending on artificial targets, or coupling protection to specific modalities. Storing only cryptographic hash digests eliminates directly comparable representations and conceals pre-hash templates, but hash-based exact-match verification requires genuine samples to generate identical intermediate templates before hashing. Identity classification is naturally suited to this requirement because it maps variable biometric samples to stable and discriminative identity-level outputs. Based on this insight, we propose Multiple Permuted-Label Classifier Encoding (MPLCE). Through classifier-specific label permutations, MPLCE assigns each identity different labels across multiple classifiers. The predicted labels are encoded and concatenated to form an intermediate template, preventing repeated encodings of a single identity label and enlarging the effective candidate space while preserving classification consistency. The template is randomized with an application-specific XOR string and cryptographically hashed, enabling exact-match verification without error correction codes or biometric-dependent helper data. Using modality-specific classifiers, MPLCE retains the same template generation and protection procedure across modalities. On four face and two iris datasets, MPLCE achieves competitive performance, including a GAR of 98.61\% at a FAR of 5.51\(\times\)10\textsuperscript{-5}\% on YTF and a GAR of 99.10\% at a FAR of 0.00\% on CASIA-Iris-Lamp. Security analyses and attack evaluations support its irreversibility, revocability, and unlinkability under the threat model.
• Abstract（参考訳）: バイオメトリックテンプレート保護(BTP)は、クラス内のバリエーションを許容しながら、ストアドテンプレートを確保する必要がある。 既存の方法は、保護ドメインの類似性マッチング、エラー訂正、あるいは事前定義されたテンプレートマッピングに依存しており、悪用可能な類似性構造を維持し、人工的なターゲットに依存するヘルパーデータリスクを導入し、特定のモダリティを結合する。 暗号化ハッシュダイジェストのみをストッキングすることは直接的に同等の表現を排除し、プレハッシュテンプレートを隠蔽するが、ハッシュベースの正確なマッチ検証には、ハッシュの前に同一の中間テンプレートを生成するために真のサンプルが必要である。 アイデンティティ分類は、可変バイオメトリック標本を安定かつ識別的なアイデンティティレベルの出力にマッピングするため、この要件に自然に適合する。 そこで本研究では,MPLCE(Multiple Permuted-Label Classifier Encoding)を提案する。 分類器固有のラベル置換により、MPLCEは複数の分類器をまたいだそれぞれの識別を割り当てる。 予測ラベルを符号化して連結して中間テンプレートを形成し、単一のアイデンティティラベルの繰り返し符号化を防止し、分類一貫性を維持しながら有効候補空間を拡大する。 テンプレートは、アプリケーション固有のXOR文字列でランダム化され、暗号的にハッシュされ、エラー訂正コードやバイオメトリック依存のヘルパーデータなしで正確なマッチング検証が可能である。 モダリティ固有の分類器を用いて、MPLCEはモダリティを越えて同じテンプレート生成と保護手順を保持する。 4つの面と2つのアイリスデータセットにおいて、MPLCEは、FARで98.61\%、YTFで5.51\(\times\)10\textsuperscript{-5}\%、CASIA-Iris-Lampで0.00\%のGARを含む競争性能を達成する。 セキュリティ分析とアタック評価は、脅威モデルにおけるその不可逆性、無効性、および非リンク性を支持する。

関連論文リスト

• ConformalSAM: Unlocking the Potential of Foundational Segmentation Models in Semi-Supervised Semantic Segmentation with Conformal Prediction [57.930531826380836]
  本研究は,未ラベル画像のアノテータとして画素レベルの視覚課題におけるラベル不足に,基礎的セグメンテーションモデルが対処できるかどうかを考察する。 ConformalSAMは,まず対象ドメインのラベル付きデータを用いて基礎モデルを校正し,ラベルなしデータの信頼できないピクセルラベルをフィルタリングする新しいSSSSフレームワークである。
  論文  参考訳（メタデータ） (2025-07-21T17:02:57Z)
• Benchmarking Unified Face Attack Detection via Hierarchical Prompt Tuning [58.16354555208417]
  PADとFFDはそれぞれ物理メディアベースのプレゼンテーションアタックとデジタル編集ベースのDeepFakeから顔データを保護するために提案されている。 これら2つのカテゴリの攻撃を同時に処理する統一顔攻撃検出モデルがないことは、主に2つの要因に起因する。 本稿では,異なる意味空間から複数の分類基準を適応的に探索する,視覚言語モデルに基づく階層型プロンプトチューニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-19T16:35:45Z)
• Semantic Equitable Clustering: A Simple and Effective Strategy for Clustering Vision Tokens [57.37893387775829]
  我々はSemantic Equitable Clustering(SEC)という,高速かつバランスの取れたクラスタリング手法を導入する。 SECは、グローバルなセマンティックな関連性に基づいてトークンを効率的かつ直接的な方法でクラスタ化する。 視覚言語コネクタとして機能する汎用視覚バックボーンであるSECViTを提案する。
  論文  参考訳（メタデータ） (2024-05-22T04:49:00Z)
• 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)
• Untargeted Near-collision Attacks on Biometrics: Real-world Bounds and Theoretical Limits [0.0]
  オンラインとオフラインの両方、そして識別モードと検証モードの両方で実行できる未ターゲティングな攻撃に焦点を当てます。 我々は、これらのシステムのセキュリティに対処するために、False Match Rate(FMR)とFalse Positive Identification Rate(FPIR)を用いる。 この距離空間とシステムパラメータの研究は、標的外攻撃の複雑さと近接衝突の確率を与える。
  論文  参考訳（メタデータ） (2023-04-04T07:17:31Z)
• Implicit Sample Extension for Unsupervised Person Re-Identification [97.46045935897608]
  クラスタリングは、時に異なる真のアイデンティティを混ぜ合わせたり、同じアイデンティティを2つ以上のサブクラスタに分割する。 本稿では,クラスタ境界周辺のサポートサンプルを生成するために,Implicit Sample Extension (OurWholeMethod)法を提案する。 提案手法の有効性を実証し,教師なしのRe-IDに対して最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-04-14T11:41:48Z)
• A Generalized Approach for Cancellable Template and Its Realization for Minutia Cylinder-Code [11.442790699169363]
  Index-of-Max (IoM) はランキングに基づく局所性に敏感なハッシュ技術である。 バイオメトリックテンプレートは、常に順序付けと固定長の形式ではなく、順序付けされていない可変サイズの点集合である。 本稿では,IoMハッシュの一般化版であるgIoMを提案する。
  論文  参考訳（メタデータ） (2022-03-02T13:30:46Z)
• Feature Fusion Methods for Indexing and Retrieval of Biometric Data: Application to Face Recognition with Privacy Protection [15.834050000008878]
  提案手法は生体認証トランザクションに関連する計算負荷を90%削減する。 この方法は、保護された生体データの無リンク性、不可逆性、および更新性を保証する。
  論文  参考訳（メタデータ） (2021-07-27T08:53:29Z)
• Random Hash Code Generation for Cancelable Fingerprint Templates using Vector Permutation and Shift-order Process [3.172761915061083]
  本稿では,ベクトル置換とシフト順序過程に基づく非可逆距離保存方式を提案する。 次に、非可逆性と類似性に基づく攻撃と戦うために、生成された特徴にシフト順序プロセスを適用する。 生成されたハッシュコードは、主要な無効性と非リンク性要件を満たす一方で、異なるセキュリティおよびプライバシ攻撃に対して耐性がある。
  論文  参考訳（メタデータ） (2021-05-21T09:37:54Z)
• Group-aware Label Transfer for Domain Adaptive Person Re-identification [179.816105255584]
  Unsupervised Adaptive Domain (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインデータセットで訓練されたモデルを、さらなるアノテーションなしでターゲットドメインデータセットに適応することを目的としている。 最も成功したUDA-ReIDアプローチは、クラスタリングに基づく擬似ラベル予測と表現学習を組み合わせて、2つのステップを交互に実行する。 疑似ラベル予測と表現学習のオンラインインタラクションと相互促進を可能にするグループ認識ラベル転送(GLT)アルゴリズムを提案します。
  論文  参考訳（メタデータ） (2021-03-23T07:57:39Z)
• Certified Robustness to Label-Flipping Attacks via Randomized Smoothing [105.91827623768724]
  機械学習アルゴリズムは、データ中毒攻撃の影響を受けやすい。 任意の関数に対するランダム化スムージングの統一的なビューを示す。 本稿では,一般的なデータ中毒攻撃に対して,ポイントワイズで確実に堅牢な分類器を構築するための新しい戦略を提案する。
  論文  参考訳（メタデータ） (2020-02-07T21:28:30Z)

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。