CamPro：基于相机的抗人脸识别方法
计算机视觉与模式识别
2024-01-02 v1 密码学与安全
摘要
来自数百万台相机拍摄的图像激增以及人脸识别（FR）技术的进步，使得人脸识别的滥用成为严重的隐私威胁。现有工作通常依赖模糊、合成或对抗样本来修改图像中的人脸以实现抗人脸识别（AFR）。然而，相机模块捕获的未经修改的图像仍可能包含敏感的个人身份信息（PII）并导致泄露。本文提出了一种新颖方法CamPro，用于捕获天生的AFR图像。CamPro使封装良好的商用相机模块能够生成几乎不含PII但仍包含足够信息以支持其他非敏感视觉应用（如行人检测）的图像。具体而言，CamPro调整相机图像信号处理器（ISP）内部的配置设置（即颜色校正矩阵和伽马校正）以实现AFR，并设计了一个图像增强器以保持图像质量供人类观看。我们在概念验证相机上实现并验证了CamPro，实验证明了其在十个最先进的黑盒FR模型上的有效性。结果表明，CamPro图像可将人脸识别准确率显著降低至0.3%，同时对目标非敏感视觉应用影响甚微。此外，我们发现CamPro对自适应攻击者具有鲁棒性，即使攻击者使用CamPro生成的图像重新训练其FR模型，甚至完全了解隐私保护ISP参数。
引用
@article{arxiv.2401.00151,
title = {CamPro: Camera-based Anti-Facial Recognition},
author = {Wenjun Zhu and Yuan Sun and Jiani Liu and Yushi Cheng and Xiaoyu Ji and Wenyuan Xu},
journal= {arXiv preprint arXiv:2401.00151},
year = {2024}
}
备注
Accepted by NDSS Symposium 2024