隐私的错觉：面向生物特征数据匿名化可靠评估方法的研究

生物特征数据包含人脸特征或步态模式等独特人体特质。生物特征数据的使用允许如此精确的个人识别，以至于该数据被有效用于身份识别与认证系统。但出于同样原因，隐私保护变得不可或缺。隐私保护广泛由匿名化技术提供。匿名化技术通过混淆或移除允许将记录关联到生成个体的信息来保护来自生物特征的敏感个人数据，以实现高度匿名性。然而，我们对有效匿名化的理解与发展能力，同样依赖于用于评估匿名化性能之方法的有效性。本文中，我们评估了用于评估人脸图像与步态模式匿名化技术性能的现有前沿方法。我们证明现有前沿评估方法存在严重且频繁的缺陷。特别地，我们发现现有前沿的潜在假设相当无据。现有前沿方法通常假设困难的识别场景，从而假设弱对抗者。然而，该假设导致现有前沿评估严重高估匿名化性能。因此，我们提出一个知晓所部署匿名化的强对抗者。我们改进了评估数据集的筛选过程，并减少数据集中所含身份数量，同时确保这些身份彼此仍易区分。我们的新颖评估方法超越现有前沿，因为我们度量最坏情况性能，从而提供生物特征匿名化技术高度可靠的评估。