局部特征描述子逆向工程攻击的分析与缓解
计算机视觉与模式识别
2021-05-11 v1
摘要
随着自动驾驶和增强现实的发展，一个实际的关注点是数据隐私。特别地，这些应用依赖于基于用户图像的定位。广泛采用的技术使用局部特征描述子，其由图像导出，且长期以来被认为不可被逆转。然而，近期工作表明在特定条件下逆向工程攻击是可能的，并允许攻击者重建 RGB 图像。这对用户隐私构成潜在风险。我们更进一步，使用隐私威胁模型对潜在攻击者建模。随后，我们在受控条件下展示了对稀疏特征图的逆向工程攻击，并分析了包括 FREAK、SIFT 和 SOSNet 在内的流行描述子的脆弱性。最后，我们评估了潜在的缓解技术，其通过选择描述子的子集来仔细平衡隐私重建风险同时保持图像匹配精度；我们的结果表明在泄露更少信息时可获得相似的精度。
引用
@article{arxiv.2105.03812,
title = {Analysis and Mitigations of Reverse Engineering Attacks on Local Feature Descriptors},
author = {Deeksha Dangwal and Vincent T. Lee and Hyo Jin Kim and Tianwei Shen and Meghan Cowan and Rajvi Shah and Caroline Trippel and Brandon Reagen and Timothy Sherwood and Vasileios Balntas and Armin Alaghi and Eddy Ilg},
journal= {arXiv preprint arXiv:2105.03812},
year = {2021}
}
备注
13 pages