スマートシティにおけるマルチモーダル手法を用いた安全な顔生体認証 | JoVE Visualize

科学分野:

コンピュータサイエンス
人工知能
サイバーセキュリティ

背景:

顔生体認証セキュリティは、市民データを保護し、不正アクセスを防ぐためにスマートシティにおいて重要です。
既存のシステムは、なりすまし攻撃と安全なデータ送信に課題を抱えています。
特徴抽出と暗号化セキュリティを組み合わせた堅牢な認証方法の必要性。

研究の目的:

顔生体認証を強化するための暗号化フレームワークと統合されたマルチモーダル深層学習モデルを提案すること。
スマートシティネットワークにおける送信中のプライバシーを確保し、なりすまし攻撃から顔データを保護すること。
モデルのパフォーマンスを評価し、従来のメソッドと比較すること。

主な方法:

低レベルの特徴抽出のための畳み込みニューラルネットワーク（CNN）と高レベルのセマンティックパターン識別（ResNet-50）を組み合わせたマルチモーダル深層学習アプローチを利用しました。
抽出された顔の特徴を保護し、データプライバシーを確保するためにElGamal暗号化を統合しました。
CelebA顔データセットでモデルをトレーニングおよび評価しました。

主要な成果:

顔マッピング予測精度97.1%、平均スコア損失0.04を達成しました。
従来のモデルと比較して優れたパフォーマンスを示しました。CNNよりも1.2%、ResNet-50よりも2.2%、Brakerski-Gentry-Vaikuntanathanアルゴリズムよりも1.1%高い精度です。
なりすまし攻撃を効果的に処理し、安全なデータ送信を保証しました。

結論:

提案された融合マルチモーダルアプローチは、スマートシティ環境における顔生体認証セキュリティを大幅に強化します。
CNN、ResNet-50、およびElGamal暗号化の組み合わせは、不正アクセスを防ぎ、データプライバシーを確保するための堅牢なソリューションを提供します。
このモデルは、高度なセキュリティ機能を必要とする未来のスマートシティアプリケーションに最適です。