バイオメトリクス認証・識別におけるプライバシー保護のための敵対的生成ネットワークの応用
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.20024v1発表形式：クロス
概要：生体認証システムは多くの分野で広く採用されている。しかし、これらのシステムでは、参加ユーザーが自身のデータの使用方法に影響を与えることができない。さらに、データが漏洩し、ユーザーの知らずに悪用される可能性がある。本論文では、個人のプライバシーを保護する新たな認証手法を提案する。これは、敵対的生成ネットワーク（GAN）に基づいている。具体的には、顔画像を視覚的にプライバシー保護されたドメイン（例えば、花や靴）に変換するためにGANを使用することを提案する。認証目的で使用される分類器は、その後、視覚的にプライバシー保護されたドメインからの画像を用いて訓練される。実験に基づくと、この手法は攻撃に対して堅牢でありながら、実用的な有用性を提供する。
原文（英語）を表示
Title (EN): Generative Adversarial Networks Applied for Privacy Preservation in Biometric-Based Authentication and Identification
arXiv:2509.20024v1 Announce Type: cross
Abstract: Biometric-based authentication systems are getting broadly adopted in many areas. However, these systems do not allow participating users to influence the way their data is used. Furthermore, the data may leak and can be misused without the users’ knowledge. In this paper, we propose a new authentication method that preserves the privacy of individuals and is based on a generative adversarial network (GAN). Concretely, we suggest using the GAN for translating images of faces to a visually private domain (e.g., flowers or shoes). Classifiers, which are used for authentication purposes, are then trained on the images from the visually private domain. Based on our experiments, the method is robust against attacks and still provides meaningful utility.
Published: 2025-09-24 19:00 UTC