Tamper detection in multimodal biometric templates using fragile watermarking and artificial intelligence

Güvenli ve güvenilir kimlik doğrulama yöntemlerine yönelik hızla artan talebe göre, son yıllarda biyometrik kimlik doğrulamaya büyük ilgi gösterildi. Biyometrik kimlik doğrulama sistemlerinin doğruluğunu artırmak için, farklı biyometrikler için her adaydan birden fazla şablon toplanır. Buna göre, şablonlardan biri eşleştirilirken oluşabilecek yanlış pozitifler veya yanlış negatifler, ikincisi eşleştirilirken düzeltilir ve bunun tersi de geçerlidir. Ayrıca, bu şablonları temsil etmek için gereken verilerin boyutundaki ek yükü azaltmak ve bu şablonları güvenceye almak için, son çalışmalar, şablonlardan birini veya özelliklerini diğerine gömmek için dijital damgalama tekniklerini kullanır. Kırılgan damgalama, filigran bilgisi kaybolduğunda herhangi bir kurcalamayı algılama yeteneğine göre bu amaç için yaygın olarak kullanılmaktadır. Bununla birlikte, bu kırılganlık, görüntüyü sıkıştırarak verilerin boyutunu daha da küçültme yeteneğini reddeder. Bu nedenle, iris şablonundan çıkarılan özniteliklerin adayın yüz şablonuna gömüldüğü bu çalışmada yeni bir damgalama yaklaşımı önerilmiştir. İrisin özellikleri, bir otomatik kodlayıcı Yapay Sinir Ağı (ANN) kullanılarak çıkarılır, daha sonra, ortak Fotoğraf Uzmanları Grubuna (JPEG) dayalı olarak, nicelleştirildikten sonra ve Huffman Kodlaması kullanılarak sıkıştırılmadan önce yüz görüntüsünün DCT katsayılarına gömülür. standart. Filigran bilgisi, her değerin iris şablonundaki karşılık gelen değere ve yüz şablonundaki DCT katsayısına göre hesaplandığı ve Arnold Dönüşümü (AT) kullanılarak şifrelendiği Least-Significant-Bit (LSB) filigran yöntemi kullanılarak gömülür. Buna göre, sıkıştırılmış filigranlı görüntü saldırıya uğradığında filigran bilgisi kaybolur. Ek olarak, filigran bilgileri benzer desenler içerdiğinden, ancak aynı aday için bile asla aynı olmadığından, statik bir diziyle karşılaştırmak yerine, çıkarılan filigrandaki bu kalıpların varlığını araştırmak için bir YSA kullanılır. Önerilen yöntem, yüz tanıma doğruluğunu bozulmadan korurken, iris tanıma doğruluğunda %0.05 azalma ile %100 kurcalama algılama oranı elde etmiştir