Modelo CNN biométrico para verificación basado en blockchain y optimización de hiperparámetros

Hoy en día, las huellas dactilares como biometría se encuentran entre los medios de verificación de identidad más populares para diversas aplicaciones. Sin embargo, son susceptibles al robo, manipulación o alteración por parte de atacantes después de su almacenamiento. Por lo tanto, es fundamental garantizar la privacidad de estas plantillas de huellas dactilares, ya que las técnicas de privacidad estándar no son lo suficientemente seguras. Además, las plantillas de huellas dactilares se verifican utilizando un modelo de aprendizaje profundo para distinguir entre huellas dactilares auténticas y falsas, haciéndolas más protegidas y seguras al almacenarlas dentro de un blockchain, que se ha convertido en la técnica segura más común en los últimos años. Este documento implementa el sistema biométrico eficiente y seguro propuesto para la verificación basado en tecnología blockchain y optimización de hiperparámetros. Primero, para la fase de almacenamiento, la plantilla de huella dactilar auténtica de cada usuario, junto con las claves privada y pública, se guarda en el bloque y se vincula al bloque anterior en la cadena mediante una función hash. Si un hacker intenta asaltar una huella dactilar, todos los bloques anteriores deben ser cambiados. Segundo, para la fase de autenticación, el usuario inicia sesión con su huella dactilar y busca la plantilla requerida en la cadena. Si la huella dactilar requerida existe, se crea un nuevo bloque con los detalles de inicio de sesión, y se devuelve el número 1, lo que significa que la autenticación es válida; si no existe, se verifica para ver si es auténtica o falsa utilizando la red neuronal convolucional biométrica (CNN) propuesta. La CNN propuesta utiliza el algoritmo Grid Search (GS) para ajustar los hiperparámetros y distinguir entre huellas dactilares auténticas y falsas. El conjunto de datos SOCOFing se utiliza para evaluar nuestro experimento. Según los resultados experimentales, el modelo CNN propuesto logró la mayor precisión del 99.52%. Como resultado del blockchain, nuestro sistema puede devolver información de autenticación después de buscar en la cadena en 300 ms.