Как зашифровать извлеченные биометрические признаки на выходе обучения классификатора/нейросети?

Question

[artem_guy]

Доброго времени суток! Возник вопрос относительно биометрической идентификации, а именно случая, когда пользователь по фото может пройти авторизацию (смоделированно). Но загвоздка пока в следующем - мне необходимо на выходе классификатора / нейросети получать не метку класса, а уже ключ на основе признаков, извлеченных из изображения лица (обычное "распознавание" по лицу с вебки - давно пройденный и реализованный мною этап).
Сам я сейчас копаюсь в массивах зарубежных англоязычных статей (а это весьма длительное занятие), поэтому и решил задать вопрос тут, может, кто-то уже работал в этой области и подскажет методы, или какие-либо варианты, чтобы можно было сразу читать по теме, а не около того :)

P. S. Нашел вариант про нечеткие экстракторы, пока изучаю "природу" данного метода :)

Answer 1

[Сергей]

Обучаете автоэнкодер на ваших данных. Потом берете средний слой (самый наименьший по кол-ву нейронов), он то и будет "абстрактным" кодом вашего изображения. Или я не понял вопроса ?

Comments

[Сергей]

А далее вы проходите этим кодом по базе "закодированных" изображений лиц, и находите максимально похожый (всмысли Евклидового расстояния в N-мерном пространстве или еще каким-либо методом схожести).
Т.о. это будет искомый пользователь.

[artem_guy]

Сергей: Спасибо за идею! А каким образом можно "прикрутить" шифрование к среднему слою, когда мы будем снимать с него признаки? Или же в этом нет необходимости с точки зрения безопасности?

[Сергей]

Ваша сетка формально состоит из 3х частей:
энкодер -> средний слой -> декодер.
Это все называется автоэкодером, когда вы подаете на вход какой-то сигнал, и учите сетку генерировать тот-
же сигнал на выходе. Вся соль состоит в том, что средний слой может быть значительно меньше входного и выходного, т.о. такая сетка обучается генерировать с среднем слое абстрактные коды ообозначающие вход (обобщение входа). Сама по себе любая часть этого кода ничего не несет в себе. Код важен как единое целое с учетом наличия енкодера и декодера. Т.о. если вы "забудете" декодера и те примеры на основе которые обучался автоенкодер, то никто и никогда не сгенерирует декодер, просто не будет данных.

[artem_guy]

Сергей: благодарю!

Answer 2

[SolidMinus]

По поводу безопасности я все четко описал в комментах к своей статье.

Если делать проверку биометрических признаков при помощи MLP-классификатора, то шифровать не имеет смысла, сама матрица весов нейронной сети уже будет чем-то вроде хэша, а feed-forward входного вектора через нейронную сеть - сверкой с этим хэшом. Таким образом по моему ту методу имеем N матриц весов, где N - количество пользователей, хранить вектора уже не имеет смысла.

https://habrahabr.ru/post/336198/

Кстати, удачно, всего через 5 дней после вашего вопроса. Прочтите статью, мб интересные идеи оттуда подчерпнете.

Comments

[artem_guy]

Благодарю Вас! Действительно, очень познавательно и полезно для меня! Ждем продолжения!

[SolidMinus]

artem_guy: 80 человек хотят продолжения. А что бы вы в нем хотели увидеть? Я вроде всю идею высказал, по привычке голосовалку прикрепил)))

[artem_guy]

SolidMinus: Показать, как данная схема работает на практике с реальными биометрическими данными, и каков при этом уровень FAR/FRR :)

[SolidMinus]

artem_guy: У меня есть датасет фингерпринтов только "левая рука, правая" для каждого отдельного человека. У вас случайно нет датасета где биометрия с одного человека снималась в разное время, и чтобы побольше таких людей было? ;)

[artem_guy]

SolidMinus: из биометрии только фотки лица (моего), снятые при разном освещении, в разные промежутки времени. Не думаю, что на данный момент эта обучающая выборка достаточно хорошая (в плане количества фото, я ее постепенно пополняю), наберется, в лучшем случае, тысяча фоток. А остальными биометрическими данными, к сожалению, пока не располагаю...
P.S. А если пошерстить базы фингерпринтов в сети? Думаю такие базы есть :) В свое время натыкался на готовые базы лиц и т.д.

[SolidMinus]

artem_guy: в том то и дело, что есть. Но вот только 1 человек - два отпечатка. С левой и с правой. А это как понимаете не достаточно, чтобы замерить FRR, он будет близок к нулю, точнее, совсем ноль, т.к проверка отпечатка с обучающей выборки не очень хороший показатель)