Blind-Match: Efficient Homomorphic Encryption-Based 1:N Matching for Privacy-Preserving Biometric Identification

要約

効率的でプライバシーを保護する 1:N マッチングのために準同型暗号 (HE) を利用する新しい生体認証システムであるブラインド マッチを紹介します。
ブラインド マッチでは、HE に最適化されたコサイン類似度の計算方法が導入されており、その重要なアイデアは、ベクトル全体を一度に計算するのではなく、特徴ベクトルをより小さな部分に分割して処理することです。
これらのパーツの数を最適化することで、ブラインドマッチは実行時間を最小限に抑えながら、HE を通じてデータのプライバシーを確​​保します。
ブラインド マッチは、さまざまな生体認証データセットにわたって、最先端の方法と比較して優れたパフォーマンスを実現します。
LFW の顔データセットでは、ブラインド マッチは 128 次元の特徴ベクトルで 99.63% のランク 1 精度を達成し、顔認識タスクにおける堅牢性を実証しています。
指紋識別の場合、ブラインド マッチは、コンパクトな 16 次元の特徴ベクトルを使用した場合でも、PolyU データセット上で 99.55% のランク 1 精度という驚異的な精度を達成し、唯一達成できる最先端の手法であるブラインド タッチを大幅に上回ります。
59.17%。
さらに、ブラインド マッチは、128 次元の特徴ベクトルを使用して 6,144 個の生体認証サンプルを 0.74 秒で処理することにより、Naver Cloud の FaceSign などの大規模な生体認証識別シナリオで実用的な効率を示します。

要約(オリジナル)

We present Blind-Match, a novel biometric identification system that leverages homomorphic encryption (HE) for efficient and privacy-preserving 1:N matching. Blind-Match introduces a HE-optimized cosine similarity computation method, where the key idea is to divide the feature vector into smaller parts for processing rather than computing the entire vector at once. By optimizing the number of these parts, Blind-Match minimizes execution time while ensuring data privacy through HE. Blind-Match achieves superior performance compared to state-of-the-art methods across various biometric datasets. On the LFW face dataset, Blind-Match attains a 99.63% Rank-1 accuracy with a 128-dimensional feature vector, demonstrating its robustness in face recognition tasks. For fingerprint identification, Blind-Match achieves a remarkable 99.55% Rank-1 accuracy on the PolyU dataset, even with a compact 16-dimensional feature vector, significantly outperforming the state-of-the-art method, Blind-Touch, which achieves only 59.17%. Furthermore, Blind-Match showcases practical efficiency in large-scale biometric identification scenarios, such as Naver Cloud’s FaceSign, by processing 6,144 biometric samples in 0.74 seconds using a 128-dimensional feature vector.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google