El aprendizaje profundo permitió la seudonimización para preservar la privacidad de los datos de los identificadores...

Área de la Ciencia:

• Ciencias de la computación Ciencias de la computación
• La biometría es biometría.
• Seguridad de la información Seguridad de la información.

Sus antecedentes:

• La digitalización de los documentos gubernamentales aumenta los riesgos de violaciones de datos relacionadas con la identidad.
• La investigación de privacidad existente pasa por alto la seudonimización de la firma manuscrita.
• Las firmas manuscritas son identificadores biométricos críticos que requieren una protección sólida.

Objetivo del estudio:

• Proponer un nuevo marco de pseudonimización basado en la Red Neural Completamente Convolucional (CNN) para firmas manuscritas.
• Abordar el área poco explorada de la seudonimización de firmas en documentos de dominio público.
• Mejorar la protección de la identidad y preservar la utilidad de los documentos en el archivo digital.

Principales métodos:

• Desarrolló un marco de pseudonimización basado en CNN que integra la arquitectura SuperPoint y la decodificación de salida diferenciada.
• Aplicó el marco para identificar y seudonimizar firmas manuscritas en tarjetas de Número de Cuenta Permanente (PAN) emitidas por el Gobierno de la India.
• Evaluado el modelo en un conjunto de datos de más de 500 tarjetas PAN del mundo real.

Principales resultados:

• El método propuesto demostró un rendimiento superior en comparación con las técnicas de referencia (ORB, FAST, SIFT, CNN profunda) en términos de precisión, recuerdo, SSIM, eficiencia de tiempo de ejecución y sobrecarga espacial.
• El marco efectivamente seudonimizar firmas manuscritas, preservando la integridad estructural del documento y la utilidad.
• Se estableció la robustez y aplicabilidad del modelo para despliegues a gran escala.

Conclusiones:

• La técnica de seudonimización basada en CNN ofrece una solución segura y de conservación de la utilidad para el archivo digital de documentos del sector público.
• Los hallazgos tienen implicaciones prácticas para la integración de métodos avanzados de preservación de la privacidad en las tuberías de procesamiento de documentos públicos.
• La investigación apoya el cumplimiento de los estándares de privacidad modernos como GDPR para el archivo digital seguro.