Newest papers

GhostFaceMPC: Privacy-Preserving Face Recognition with Multi-Party Computation

Davide Carnemolla, Dario Catalano, Mario Di Raimondo · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29987 · open-access PDF

Vietnamese

Nhận dạng khuôn mặt đã trở thành trung tâm của các hệ thống xác thực hiện đại, các khuôn khổ bảo mật và các dịch vụ cá nhân hóa. Tuy nhiên, việc áp dụng rộng rãi của nó bị cản trở bởi các rủi ro bảo mật nghiêm trọng, đặc biệt là xung quanh việc truy cập trái phép vào dữ liệu sinh trắc học nhạy cảm. Để giải quyết những thách thức này, bài báo này trình bày GhostFaceMPC, hệ thống nhận dạng khuôn mặt đầu tiên từ đầu đến cuối, bảo vệ quyền riêng tư để đánh giá một máy trích xuất mạng thần kinh sâu và phù hợp dưới tính toán đa bên an toàn.

Machine translation (Meta M2M100); the English original follows.

Abstract

Facial recognition has become central to modern authentication systems, security frameworks, and personalized services. However, its widespread adoption is hindered by severe privacy risks, particularly surrounding unauthorized access to sensitive biometric data. To address these challenges, this paper presents GhostFaceMPC, the first end-to-end, privacy-preserving face recognition system to evaluate a deep convolutional neural network extractor and matching under secure multi-party computation. GhostFaceMPC enables secure processing of facial data across all stages of a face recognition proce

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange