SubsidieMeestersPRESERVING USERS DATA PRIVACY AND SECURITY IN A FACIAL RECOGNITION SYSTEM
Dit project onderzoekt de toepassing van homomorfe encryptie voor veilige verwerking en opslag van gezichtsherkenningsdata, om privacyproblemen te verhelpen.
Projectdetails
Inleiding
Gezichtsherkenning maakt gebruik van zeer cruciale gegevens en moet met de grootste zorg worden verwerkt en opgeslagen. De laatste tijd zijn er veel zorgen over gezichtsherkenning met betrekking tot privacy en gegevensbeveiliging.
Privacyproblemen
Met name gezichtsherkenning heeft vanuit de samenleving een enorm privacyprobleem en niet voor niets. In dit project willen we de haalbaarheid van homomorfe encryptie onderzoeken om meer gegevensbeveiliging te garanderen en de privacyproblemen in de architectuur van het systeem beter aan te pakken.
Homomorfe Encryptie
Met homomorfe encryptie kunnen de gegevens worden verwerkt zonder ze te decoderen. Aangezien de gegevens altijd versleuteld blijven (zelfs gedurende de tijd dat ze worden verwerkt), is het een van de meest veelbelovende benaderingen voor gegevensverwerking en opslag op een meer privacybestendige en veilige manier wanneer er een derde partij bij het systeem is betrokken.
Toepassing en Testen
Homomorfe encryptie kan een uitkomst bieden, maar is nog niet eerder ingezet en getest voor gebruik van persoonsdata afkomstig van gezichten. In dit project willen we de homomorfe codering inzetten en testen voor ons gezichtsherkenningsplatform.
Proces
Zoals weergegeven in figuur 1, kunnen kenmerkvectoren worden geëxtraheerd uit het ingevoerde gezichtsbeeld en worden versleuteld in een lokaal systeem (eigenaar). Vervolgens kan het verwerkt en opgeslagen worden in een cloudomgeving zonder het risico dat de eigenaar van de cloud toegang krijgt tot de originele data.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 19.922 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2020 |
Partners & Locaties
Projectpartners
- 20FACE BVpenvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Onopvallend en onherkenbaar in beeldDit project onderzoekt de haalbaarheid van een anonimisatiecamera die privacy waarborgt zonder herkenbaarheid van personen. | Mkb-innovati... | € 20.000 | 2021 | Details |
Secretum ad ovoHet project onderzoekt de haalbaarheid van een generieke encryptiemodule voor veilige, end-to-end versleutelde informatie-uitwisseling, met focus op de medische sector. | Mkb-innovati... | € 20.000 | 2021 | Details |
DEQSHet project onderzoekt de haalbaarheid van het verstoppen van data in afbeeldingen voor het delen van digitale visitekaartjes, met voordelen zoals 24/7 toegang en kostenbesparing. | Mkb-innovati... | € 20.000 | 2021 | Details |
Technologie voor identiteitsverificatie voor het MKBHet project ontwikkelt een SaaS-platform voor identiteitsverificatie met gezichtsherkenning, gericht op het MKB, zonder persoonlijke gegevens te delen. | Mkb-innovati... | € 20.000 | 2020 | Details |
EventBased Personal Encrypted Storage and Stream (EPESSHet project onderzoekt de haalbaarheid van een vermarktbaar product voor het veilig beheren van persoonlijke data en het creëren van audit trails, in lijn met de AVG-privacyregelgeving. | Mkb-innovati... | € 20.000 | 2022 | Details |
Onopvallend en onherkenbaar in beeld
Dit project onderzoekt de haalbaarheid van een anonimisatiecamera die privacy waarborgt zonder herkenbaarheid van personen.
Secretum ad ovo
Het project onderzoekt de haalbaarheid van een generieke encryptiemodule voor veilige, end-to-end versleutelde informatie-uitwisseling, met focus op de medische sector.
DEQS
Het project onderzoekt de haalbaarheid van het verstoppen van data in afbeeldingen voor het delen van digitale visitekaartjes, met voordelen zoals 24/7 toegang en kostenbesparing.
Technologie voor identiteitsverificatie voor het MKB
Het project ontwikkelt een SaaS-platform voor identiteitsverificatie met gezichtsherkenning, gericht op het MKB, zonder persoonlijke gegevens te delen.
EventBased Personal Encrypted Storage and Stream (EPESS
Het project onderzoekt de haalbaarheid van een vermarktbaar product voor het veilig beheren van persoonlijke data en het creëren van audit trails, in lijn met de AVG-privacyregelgeving.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Facial Recognition Technologies. Etho-Assemblages and Alternative FuturesThe fAIces project explores the implications of facial recognition technologies by integrating diverse perspectives to expand ethics and foster public engagement and alternative futures. | ERC Advanced... | € 2.467.635 | 2025 | Details |
Enabling Homomorphic Encryption of Deep Neural Network Models and Datasets in Production EnvironmentsHomE aims to revolutionize encrypted deep learning by leveraging persistent memory technology to enhance performance and enable large model execution beyond current DRAM limitations. | ERC Consolid... | € 2.680.195 | 2022 | Details |
Proof of Concept Prototype for Matching Applications on BELFORT HardwareThe project aims to enhance the efficiency of fully homomorphic encryption (FHE) for real-time operations on encrypted data in cloud settings, enabling seamless privacy-preserving queries. | ERC Proof of... | € 150.000 | 2024 | Details |
Anonieme Auto TestdataHet project ontwikkelt software en hardware om persoonsgegevens in camerabeelden van (elektrische) auto's te anonimiseren, terwijl gezichtsuitdrukkingen voor opsporing geanalyseerd kunnen blijven. | Mkb-innovati... | € 136.395 | 2023 | Details |
Human Face Identity Categorization: Bridging the Gap between Vision and Social SemanticsHUMANFACE aims to explore the integration of semantic memory and visual perception in face identity recognition through various experimental approaches, enhancing understanding of human categorization. | ERC Advanced... | € 2.499.851 | 2023 | Details |
Facial Recognition Technologies. Etho-Assemblages and Alternative Futures
The fAIces project explores the implications of facial recognition technologies by integrating diverse perspectives to expand ethics and foster public engagement and alternative futures.
Enabling Homomorphic Encryption of Deep Neural Network Models and Datasets in Production Environments
HomE aims to revolutionize encrypted deep learning by leveraging persistent memory technology to enhance performance and enable large model execution beyond current DRAM limitations.
Proof of Concept Prototype for Matching Applications on BELFORT Hardware
The project aims to enhance the efficiency of fully homomorphic encryption (FHE) for real-time operations on encrypted data in cloud settings, enabling seamless privacy-preserving queries.
Anonieme Auto Testdata
Het project ontwikkelt software en hardware om persoonsgegevens in camerabeelden van (elektrische) auto's te anonimiseren, terwijl gezichtsuitdrukkingen voor opsporing geanalyseerd kunnen blijven.
Human Face Identity Categorization: Bridging the Gap between Vision and Social Semantics
HUMANFACE aims to explore the integration of semantic memory and visual perception in face identity recognition through various experimental approaches, enhancing understanding of human categorization.