基于手写随机数字符号的隐私保护生物识别验证
计算机视觉与模式识别
2025-03-18 v1
摘要
手写验证长期以来一直是身份认证的稳健方法之一。然而，这一技术由于包含个人信息的手写生物特征（如签名）而潜在风险隐私泄露。为此，本文提出使用随机数字符号（RDS）进行手写验证的隐私保护。该方法允许用户通过撰写任意数字序列进行身份验证，从而有效确保隐私保护。为评估 RDS 的有效性，我们构建了一个新的 HRDS4BV 数据集，包含在线自然手写的 RDS。与传统手写不同，RDS 涵盖了不受约束且内容可变的特征，这为建模一致的个人书写风格提出了重大挑战。为克服这一困难，我们提出了模式注意验证网络（PAVENet），并辅以判别式模式挖掘（DPM）模块。DPM 能够自适应地增强对一致且判别性强的书写模式的识别，从而细化手写风格表示。通过全面评估，我们审查了在线 RDS 验证的适用性，并展示了我们模型在现有方法之上的显著优势。此外，我们发现一种值得注意的伪造现象，偏离先前的发现，并讨论其在反击恶意仿冒者攻击方面的积极影响。本工作实质上凸显了隐私保护生物识别验证的可行性，并推动了其更广泛的接受和应用前景。
引用
@article{arxiv.2503.12786,
title = {Privacy-Preserving Biometric Verification with Handwritten Random Digit String},
author = {Peirong Zhang and Yuliang Liu and Songxuan Lai and Hongliang Li and Lianwen Jin},
journal= {arXiv preprint arXiv:2503.12786},
year = {2025}
}