生成对抗网络在生物特征认证与识别中的隐私保护应用
摘要
基于生物特征的认证系统正广泛应用于多个领域。然而，这些系统不允许参与用户影响其数据的使用方式。此外，数据可能泄露并在用户不知情的情况下被滥用。本文提出了一种基于生成对抗网络（GAN）的新型认证方法，旨在保护个人隐私。具体而言，我们建议使用GAN将人脸图像转换为视觉私有域（例如花朵或鞋子）。随后，在视觉私有域的图像上训练用于认证的分类器。根据我们的实验，该方法能有效防御攻击，同时保持有意义的实用性。
主题分类
- 计算机视觉与模式识别 (cs.CV)
- 人工智能 (cs.AI)
- 密码学与安全 (cs.CR)
技术核心
- 隐私保护机制：通过GAN将敏感生物特征数据（人脸）转换为视觉私有域表示
- 认证流程：在转换后的私有域数据上训练分类器进行身份验证
- 安全评估：实验证明该方法具备抗攻击能力，同时保持系统实用性
方法特点
- 解决了生物特征数据使用控制权问题
- 防止数据泄露后的恶意使用
- 在保护隐私的同时维持认证系统的功能性