CausalVE：基于因果视频预测的人脸视频隐私加密

先进的面部识别技术和推荐系统缺乏足够的隐私技术和政策来处理面部交互，增加了关于生物隐私侵犯的担忧。随着视频和直播网站的普及，公共面部视频的分发和交互提升了隐私风险。现有技术通常通过 various 隐私增强方法来解决敏感生物识别信息泄露的风险，但通过破坏要传递的交互数据或保留某些生物特征来留下更高的安全风险，这些特征允许攻击者从中推断出敏感的生物识别信息。为解决这些不足之处，本文提出了一种神经网络框架CausalVE。我们采用扩散模型实现面脸置换，同时利用面脸引导，获取覆盖图像；使用秘密视频的语音序列特征和时空序列特征进行动态视频推理和预测，以获得与秘密视频帧数相同的覆盖视频。此外，我们使用可逆神经网络进行视频隐藏，以便视频也能传递秘密数据。大量实验表明，我们的CausalVE在公共视频分发方面具有良好的安全性，并在定性、定量和视觉方面均优于最先进的方法。