Fingerprint Membership and Identity Inference Against Generative Adversarial Networks

要約

生成モデルは、新たな産業革命の潜在的な触媒として大きな注目を集めています。
自動サンプル生成は、学習された生体認証モデルに通常影響を与えるプライバシーとデータ不足の問題を解決するのに役立つ可能性があるため、このような技術はこの分野で広く普及しました。
この論文では、敵対的生成ネットワークによって作成された指紋データセットに対する ID 推論攻撃を設計およびテストすることにより、ID 保護に関する生成機械学習モデルの脆弱性を評価します。
実験結果は、提案されたソリューションがさまざまな構成の下で効果的であることが証明され、他の生体認証測定にも簡単に拡張できることを示しています。

要約(オリジナル)

Generative models are gaining significant attention as potential catalysts for a novel industrial revolution. Since automated sample generation can be useful to solve privacy and data scarcity issues that usually affect learned biometric models, such technologies became widely spread in this field. In this paper, we assess the vulnerabilities of generative machine learning models concerning identity protection by designing and testing an identity inference attack on fingerprint datasets created by means of a generative adversarial network. Experimental results show that the proposed solution proves to be effective under different configurations and easily extendable to other biometric measurements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google