Page 166 - 《软件学报》2025年第7期
P. 166

软件学报 ISSN 1000-9825, CODEN RUXUEW                                        E-mail: jos@iscas.ac.cn
                 2025,36(7):3087−3108 [doi: 10.13328/j.cnki.jos.007339] [CSTR: 32375.14.jos.007339]  http://www.jos.org.cn
                 ©中国科学院软件研究所版权所有.                                                          Tel: +86-10-62562563



                                                                      *
                 结合特征生成与重放的可扩展安全虹膜识别

                 赵冬冬  1 ,    宋宝刚  1 ,    廖虎成  2 ,    闫    江  1 ,    向剑文  1


                 1
                  (武汉理工大学 计算机与人工智能学院, 湖北 武汉 430070)
                 2
                  (云南省农村信用社科技结算中心, 云南 昆明 650228)
                 通信作者: 向剑文, E-mail: jwxiang@whut.edu.cn

                 摘 要: 随着信息技术的快速发展, 安全认证技术成为个人隐私和数据安全的重要保障. 其中, 虹膜识别技术凭借
                 其出色的准确性和稳定性, 被广泛应用于系统访问控制、医疗保健以及司法实践等领域. 然而用户的虹膜特征数
                 据泄露, 就是永久性丢失, 无法进行更改或者撤销. 因此, 虹膜特征数据的隐私保护尤为重要. 随着神经网络技术在
                 图像处理上体现的突出性能, 基于神经网络的安全虹膜识别方案被提出, 在保护隐私数据的同时保持了识别系统
                 的高性能. 然而, 面对不断变化的数据和环境, 安全虹膜识别方案需要具备有效的可扩展性, 即识别方案应当能够

                 在新的用户注册下依旧保持性能. 但大多数现有基于神经网络的安全虹膜识别方案研究并未考虑方案的可扩展性.
                 针对上述问题, 提出了基于生成特征重放的安全增量虹膜识别                     (generative feature replay-based secure incremental
                 iris recognition, GFR-SIR) 方法和基于隐私保护模板重放的安全增量虹膜识别            (privacy-preserving template replay-
                 based secure incremental iris recognition, PTR-SIR) 方法. 具体而言, GFR-SIR  方法通过生成特征重放和特征蒸馏技
                 术, 缓解神经网络扩展过程中对以往任务知识的遗忘, 并采用改进的                    TNCB  方法来保护虹膜特征数据的隐私. PTR-
                 SIR  方法保存了以往任务中通过        TNCB  方法转换得到的隐私保护模板, 并在当前任务的模型训练中重放这些模板,
                 以实现识别方案的可扩展性. 实验结果表明, 在完成               5  轮扩展任务后, GFR-SIR  和  PTR-SIR  在  CASIA-Iris-Lamp  数
                 据集上的识别准确率分别达到了            68.32%  和  98.49%, 比微调方法分别提升了     58.49%  和  88.66%. 分析表明, GFR-

                 SIR  方法由于未保存以往任务的数据, 在安全性和模型训练效率方面具有明显优势; PTR-SIR                      方法则在维持识别性
                 能方面更为出色, 但其安全性和效率低于             GFR-SIR.
                 关键词: 隐私保护; 虹膜识别; 转换网络; 增量学习
                 中图法分类号: TP18

                 中文引用格式: 赵冬冬,  宋宝刚,  廖虎成,  闫江,  向剑文.  结合特征生成与重放的可扩展安全虹膜识别.  软件学报,  2025,  36(7):
                 3087–3108. http://www.jos.org.cn/1000-9825/7339.htm
                 英文引用格式: Zhao DD, Song BG, Liao HC, Yan J, Xiang JW. Scalable Secure Iris Recognition Combining Feature Generation and
                 Replay. Ruan Jian Xue Bao/Journal of Software, 2025, 36(7): 3087–3108 (in Chinese). http://www.jos.org.cn/1000-9825/7339.htm

                 Scalable Secure Iris Recognition Combining Feature Generation and Replay
                                             1
                                                           2
                                                                    1
                               1
                 ZHAO Dong-Dong , SONG Bao-Gang , LIAO Hu-Cheng , YAN Jiang , XIANG Jian-Wen 1
                 1
                 (School of Computer Science and Artificial Intelligence, Wuhan University of Technology, Wuhan 430070, China)
                 2
                 (Yunnan Rural Credit Cooperatives Technology Settlement Center, Kunming 650228, China)
                 Abstract:  With  the  rapid  development  of  information  technology,  security  authentication  technology  has  become  a  crucial  safeguard  for
                 personal  privacy  and  data  security.  Among  them,  iris  recognition  technology,  with  its  outstanding  accuracy  and  stability,  is  widely  applied


                 *    基金项目: 国家重点研发计划  (2022YFC3321102); 湖北省重点研发计划  (2022BAA050)
                  本文由“新兴软件与系统的可信赖性与安全”专题特约编辑向剑文教授、陈厅教授、杨珉教授、周俊伟教授推荐.
                  收稿时间: 2024-08-26; 修改时间: 2024-10-15; 采用时间: 2024-11-25; jos 在线出版时间: 2024-12-10
                  CNKI 网络首发时间: 2025-04-09
   161   162   163   164   165   166   167   168   169   170   171