IDIAP研究所生物识别安全和隐私组的两篇论文显示了生物识别模板对3D重建攻击的潜在脆弱性，以及一种可能的方法保护这些模板通过哈希。
两篇论文均通过LinkedIn共享IDIAP高级研究员塞巴斯蒂安·马塞尔（SébastienMarcel）也合着了每个人。
在“MLP-HASH：通过随机多层感知器的哈希保护面部模板”在Eusipco 2023年。研究的其他作者是VedranaKrivokućaHahn和Hatef Otroshi。
提取以创建模板的生物特征特征通过特定于用户的随机加权多层感知器（MLP），然后转换为二进制。
感知者被描述为“用于简化二进制分类器学习的算法”SimpleLilearn。
该方法通过基于评估的评估测试ISO/IEC 30136生物识别模板保护评估标准，具有MOBIO和LFW数据集。该报告称，它显示了具有模板保护算法（例如生物损坏和IOM哈希）的性能竞争。
通常认为，在生物识别行业中，加密的模板几乎不可能反向工程师为可用的数据，尤其是在大规模上。但是，新的攻击技术继续出现，但是，有可能使以前安全的模板易受伤害。
Marcel和Otroshi提出的一种新方法，研究人员称Gafar称Gafar称为“几何形状 - 意识到的面部重建”，他提出了一种新方法。
研究人员通过“预处理的几何学面部生成网络”开发了模板倒置攻击，并在真实和合成面上训练了映射。
使用数字和印刷的面部图像在演示攻击中测试了所得的方法，这在对同一系统的攻击中表现出了一些成功，模板被从和其他面部识别系统中偷走了。
该论文发表在IEEE关于模式分析和机器智能的交易。
