Generative Information Hiding of Iris Feature Data via Gaussian Fuzzy Processing and Advanced Encryption Standard-Based Encryption
Notice bibliographique
Résumé
Conventional methods for hiding iris feature data have been hindered by inefficient feature extraction processes and inadequate post-hiding information security, thereby limiting both performance and applicability.To address these challenges, a generative information hiding approach for iris feature data has been developed, based on a Gaussian fuzzy algorithm and Advanced Encryption Standard (AES) encryption.In the preprocessing phase, a weighted averaging technique was employed for greyscale conversion, followed by Gaussian fuzzy smoothing to reduce noise while preserving structural integrity.Subsequent image sharpening was conducted using a Laplacian convolution kernel to enhance edge definition.The iris region was then localized and normalized to a fixed size, ensuring geometric invariance during feature extraction.Two-dimensional Gabor wavelets were utilized for the extraction of robust and discriminative iris features, given their proven effectiveness in capturing both spatial frequency and orientation information.To ensure data confidentiality, the extracted iris features were encrypted using the AES, with a corresponding decryption process integrated within the generative information hiding framework.This dual-layer strategy ensured that both the biometric feature data and the hidden information remained secure against unauthorized access or reconstruction.Experimental validation demonstrated that the proposed method enabled iris feature extraction within ten seconds on standard computing hardware, with a significantly improved data security coefficient compared to conventional techniques.Furthermore, the proposed methodology achieved a high level of imperceptibility and robustness, supporting its application in biometric security systems and privacy-preserving identity verification.These findings suggest that the integration of Gaussian fuzzy processing with secure encryption offers an effective pathway for reliable and efficient iris feature data concealment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».