用于生物特征数据索引与检索的特征融合方法：在具有隐私保护的人脸识别中的应用
计算机视觉与模式识别
2021-07-28 v1
摘要
计算高效、准确且保护隐私的数据存储与检索是全球生物特征识别系统实际部署面临的关键挑战之一。本工作提出了一种受保护生物特征数据索引方法。通过利用智能配对模板的特征级融合，创建了多阶段搜索结构。在检索过程中，潜在候选身份列表被依次预过滤，从而减少生物特征识别事务所需的模板比对次数。生物特征探针模板以及存储的参考模板和所创建索引的保护通过使用同态加密来执行。所提方法在公开可用数据库上使用两个最先进的开源人脸识别系统，在闭集和开集识别场景中进行了广泛评估。相对于采用基于穷举搜索的检索算法的典型基线算法，所提方法使生物特征识别事务的计算工作量减少90%，同时生物特征性能无任何下降。此外，通过促进模板保护与开源同态加密库的无缝集成，所提方法保证了受保护生物特征数据的不可链接性、不可逆性和可更新性。
引用
@article{arxiv.2107.12675,
title = {Feature Fusion Methods for Indexing and Retrieval of Biometric Data: Application to Face Recognition with Privacy Protection},
author = {Pawel Drozdowski and Fabian Stockhardt and Christian Rathgeb and Dailé Osorio-Roig and Christoph Busch},
journal= {arXiv preprint arXiv:2107.12675},
year = {2021}
}