Group Membership Verification with Privacy: Sparse or Dense?
Résumé
Group membership verification checks if a biometric trait corresponds to one member of a group without revealing the identity of that member. Recent contributions provide privacy for group membership protocols through the joint use of two mechanisms: quantizing templates into discrete embeddings, and aggregating several templates into one group representation. However, this scheme has one drawback: the data structure representing the group has a limited size and cannot recognize noisy query when many templates are aggregated. Moreover, the sparsity of the embeddings seemingly plays a crucial role on the performance verification. This paper proposes a mathematical model for group membership verification allowing to reveal the impact of sparsity on both security, compactness, and verification performances. This models bridges the gap towards a Bloom filter robust to noisy queries. It shows that a dense solution is more competitive unless the queries are almost noiseless.
Fichier principal
ms.pdf (287.74 Ko)
Télécharger le fichier
Figs.zip (173.01 Ko)
Télécharger le fichier
IEEEtran_HOWTO.pdf (655.88 Ko)
Télécharger le fichier
MIcor.pdf (16.85 Ko)
Télécharger le fichier
fig1.pdf (13.68 Ko)
Télécharger le fichier
fig1_same.pdf (9.93 Ko)
Télécharger le fichier
fig2.pdf (10.75 Ko)
Télécharger le fichier
fig3.pdf (14.43 Ko)
Télécharger le fichier
fig4.pdf (11.32 Ko)
Télécharger le fichier
fig_comp.pdf (20.86 Ko)
Télécharger le fichier
fig_shorten.pdf (14.66 Ko)
Télécharger le fichier
ms.synctex.gz (112.11 Ko)
Télécharger le fichier
trade_off.pdf (104.7 Ko)
Télécharger le fichier
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...