神经模糊提取器：一种将人工神经网络用于生物特征用户认证的安全方法

在传感器开发与人工智能新进展、计算成本下降以及手持计算设备普及的推动下，生物特征用户认证（及识别）正迅速变得无处不在。基于复杂机器学习技术的现代生物特征认证方法难免存储训练分类器细节或显式用户生物特征数据，从而使用户凭证面临伪造风险。本文提出一种安全处理涉及向量空间分类器或人工神经网络用于生物特征认证的用户特定信息的方法。我们提出的称为神经模糊提取器（NFE）的架构，通过一个称为扩展器（expander）的基于人工神经网络的缓冲，使已有分类器与模糊提取器相耦合，且性能下降极小或为零。因此，NFE兼具现代基于深度学习的分类器的全部性能优势与标准模糊提取器的全部安全性。我们展示了将NFE改造应用于一个经典人工神经网络以用于基于指纹的用户认证简单场景。