面向可信身份追踪的多属性协同识别方法
信息检索
2023-11-07 v1
摘要
身份追踪是一项利用对待测对象身份属性的选取与采集来发现其真实身份的技术，是安全防范领域最重要的基础问题之一。然而，传统的基于单属性的身份识别技术难以达到最终的识别精度，且基于深度学习的模型往往缺乏可解释性。多变量属性协同识别是克服上述识别误差与数据质量低问题的可能关键途径。本文提出可信身份追踪（TIT）任务及一种基于多属性协同识别的 TIT 框架。我们首先在理论上建立了一种基于身份熵的新型身份模型，定义了个体条件身份熵与核心识别集，以揭示多变量属性协同识别的内在机制。基于所提身份模型，我们提出一种具有多属性协同识别的可信身份追踪框架（TITF）来确定未知对象身份，其可优化核心识别集并提供可解释的身份追踪过程。实际上，身份追踪的本质被揭示为身份熵值收敛于零的过程。为应对测试数据缺乏，我们构建了包含 1000 个对象的数据集以模拟真实场景，其中标注了 20 个身份属性用于追踪未知对象身份。在上述数据集上的实验结果表明，所提 TITF 算法可取得令人满意的识别性能。
引用
@article{arxiv.2311.02703,
title = {Toward Trustworthy Identity Tracing via Multi-attribute Synergistic Identification},
author = {Decheng Liu and Jiahao Yu and Ruimin Hu and Wenbin Feng},
journal= {arXiv preprint arXiv:2311.02703},
year = {2023}
}