对抗性隐私保护滤波器
密码学与安全
2020-08-05 v2 机器学习
摘要
尽管人脸识别在实际应用中广泛采用，但其关于人脸图像的恶意使用和潜在的隐私问题（例如欺骗支付系统和造成个人破坏）已受到批判性讨论。在线照片分享服务无意中充当了恶意爬虫和人脸识别应用的主要存储库。本工作旨在开发一种称为对抗性隐私保护滤波器（Adversarial Privacy-preserving Filter, APF）的隐私保护解决方案，以保护在线分享的人脸图像免遭恶意使用。我们提出一种端云协作的对抗攻击解决方案，以满足隐私性、实用性和不可访问性的要求。具体而言，该方案由三个模块组成：（1）图像特定梯度生成，在用户端使用压缩探针模型提取图像特定梯度；（2）对抗梯度迁移，在服务器云端微调图像特定梯度；（3）通用对抗扰动增强，附加图像无关扰动以得出最终的对抗噪声。在三个数据集上的大量实验验证了所提方案的有效性和效率。我们还发布了一个原型应用以供进一步评估。我们希望端云协作的攻击框架能为从用户侧解决在线多媒体分享隐私保护问题带来启发。
引用
@article{arxiv.2007.12861,
title = {Adversarial Privacy-preserving Filter},
author = {Jiaming Zhang and Jitao Sang and Xian Zhao and Xiaowen Huang and Yanfeng Sun and Yongli Hu},
journal= {arXiv preprint arXiv:2007.12861},
year = {2020}
}
备注
Accepted by ACM Multimedia 2020