Werkzeuge zur Synthese von biometrischen Beispieldaten

Forschung in den Bereichen biometrischer Systeme und digitaler Forensik leidet gegenwärtig unter einem schwerwiegenden Problem, das auch den Fortschritt in diesen sicherheitsrelevanten Gebieten hemmt; Große Mengen an biometrischen Daten würden für flexible und zeitnahe Methodenevaluierung benötigt, diese Daten stehen aber aus verschiedenen Gründen häufig nicht zur Verfügung, unter anderem begründet mit dem notwendigen Schutz der Privatsphäre. Letztere Bedenken haben nicht zuletzt durch das in- Kraft treten der EU DSGVO (Engl.: GDPR) so stark zugenommen, dass selbst etablierte Standardisierungsinstitutionen wie das US-amerikanische NIST einen großen Teil ihrer öffentlich verfügbaren biometrischen Datensätze zurückgezogen hat, bevor die GDPR im May 2018 in Kraft trat. Um dieses Problem zu lösen und auch die notwendigen Dateneigenschaften bezüglich Qualität und Menge zu adressieren, werden im Projekt Methoden entwickelt die die synthetische Erzeugung von großen Mengen von plausiblen und realistischen biometrischen Daten ermöglichen. Dies soll reproduzierbare, flexible und zeitnahe experimentelle Bewertungen ermöglichen, nicht nur um den Bedarf an Datenmengen zu stillen, den heutige Methoden des Machine Learning aufweisen, sondern auch im Einklang mit den EU Datenschutzbedingungen. Um diese Ziele zu erreichen, werden im Projekt zwei unterschiedliche Herangehensweisen verfolgt: Der erste Ansatz, benannt Daten Anpassung, geht von existierenden biometrischen / forensischen Sample Daten aus, adaptiert diese um bestimmte Aufnahmebedingungen zu simulieren (verschieden bzgl. Sensorik, physiologischer Zustände und Umgebungseigenschaften) und führt (falls es der Applikationszusammenhang erlaubt), eine Veränderung der Attribute durch, die problematisch bezüglich der Privatsphäre der Benutzer sind. Der zweite Ansatz, benannt Synthetisierung, generiert vollständig synthetische Sample Daten und passt diese dann den gewünschten Aufnahmebedingungen an. Die konkreten Arbeiten im Projekt betreffen digitalisierte (latente) forensische Fingerabdrücke als auch die beiden biometrischen Modalitäten Fingerabdruck (FP) und Hand- und Fingervenen (HFV). Die theoretischen und methodologischen Konzepte und empirischen Ergebnisse werden verallgemeinert, um die Resultate der durchgeführten Forschung auch für andere Modalitäten nutzen zu können

Forschung in den Bereichen biometrischer Systeme und digitaler Forensik leidet gegenwärtig unter einem schwerwiegenden Problem, das auch den Fortschritt in diesen sicherheitsrelevanten Gebieten hemmt; Große Mengen an biometrischen Daten würden für flexible und zeitnahe Methodenevaluierung benötigt, diese Daten stehen aber aus verschiedenen Gründen häufig nicht zur Verfügung, unter anderem begründet mit dem notwendigen Schutz der Privatsphäre. Letztere Bedenken haben nicht zuletzt durch das in- Kraft treten der EU DSGVO (Engl.: GDPR) so stark zugenommen, dass selbst etablierte Standardisierungsinstitutionen wie das US-amerikanische NIST einen großen Teil ihrer öffentlich verfügbaren biometrischen Datensätze zurückgezogen hat, bevor die GDPR im May 2018 in Kraft trat. Um dieses Problem zu lösen und auch die notwendigen Dateneigenschaften bezüglich Qualität und Menge zu adressieren, werden im Projekt Methoden entwickelt die die synthetische Erzeugung von großen Mengen von plausiblen und realistischen biometrischen Daten ermöglichen. Dies soll reproduzierbare, flexible und zeitnahe experimentelle Bewertungen ermöglichen, nicht nur um den Bedarf an Datenmengen zu stillen, den heutige Methoden des Machine Learning aufweisen, sondern auch im Einklang mit den EU Datenschutzbedingungen. Um diese Ziele zu erreichen, werden im Projekt zwei unterschiedliche Herangehensweisen verfolgt: Der erste Ansatz, benannt Daten Anpassung, geht von existierenden biometrischen / forensischen Sample Daten aus, adaptiert diese um bestimmte Aufnahmebedingungen zu simulieren (verschieden bzgl. Sensorik, physiologischer Zustände und Umgebungseigenschaften) und führt (falls es der Applikationszusammenhang erlaubt), eine Veränderung der Attribute durch, die problematisch bezüglich der Privatsphäre der Benutzer sind. Der zweite Ansatz, benannt Synthetisierung, generiert vollständig synthetische Sample Daten und passt diese dann den gewünschten Aufnahmebedingungen an. Die konkreten Arbeiten im Projekt betreffen digitalisierte (latente) forensische Fingerabdrücke als auch die beiden biometrischen Modalitäten Fingerabdruck (FP) und Hand- und Fingervenen (HFV). Die theoretischen und methodologischen Konzepte und empirischen Ergebnisse werden verallgemeinert, um die Resultate der durchgeführten Forschung auch für andere Modalitäten nutzen zu können.