【课题推荐发表期刊】

【课题背景】

生物特征识别技术因其高安全性和便利性而日益普及，但同时也带来了安全和隐私问题。由于生物特征不可更改，一旦泄露就无法撤销或更换，且同一用户的生物信息可能存于多个数据库中，一处泄露则处处不安全。此外，生物信息还可能暴露个人健康等敏感数据。因此，开发保护生物特征模板的技术对提升公众信任、推动技术标准制定及广泛应用至关重要，具有显著的社会和经济效益。

本课题将研究相关保护技术，为生物特征识别领域的研究提供理论支持，有助于推动生物特征相关技术标准的制定和大规模应用推广，具有明显的社会效益和经济价值。

 

【课题方向参考】

• 综合满足评价指标体系的生物特征模板保护技术

• 低复杂度的生物特征密钥生成技术

• 具备动态可变保护机制的生物特征密码系统

 

【适合人群】

计算机科学、人工智能、大数据、物联网等相关专业的硕士研究生，需对数字图像处理、机器学习、模式识别、深度学习具备一定的专业基础，了解Python、PyTorch或TensorFlow工具。

 

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

 

【导师介绍】

Lucas老师，教授

• 担任100多个SCI期刊和40多个国际会议的审稿人，包括多个IEEE Transactions等一区顶级期刊和CCF-A期刊；

• 研究方向：生物特征识别及模板保护、模式识别、计算机视觉、目标检测、分割、跟踪、融合、机器学习、深度学习、信息隐藏等；

• 已发表学术论文100余篇，包括SCI期刊论文70余篇；

• 具备丰富的英文写作经验和学术指导经验；熟练使用Python、PyTorch或TensorFlow等工具。

  

【课题安排】

研究周期预估六个月左右，具体视学员情况调整

 

【推荐阅读】

• 2013 PalmHash Code vs. PalmPhasor Code