CryptoFace：端到端加密人脸识别
计算机视觉与模式识别
2025-09-03 v1 密码学与安全
摘要
人脸识别是许多身份验证、安全和个性化应用的核心内容，但因面临未经授权对敏感生物特征数据的访问风险，存在显著隐私风险。本文引入CryptoFace，这是首个基于全同态加密（FHE）的端到端加密人脸识别系统。它能够在人脸识别过程的全部阶段（特征提取、存储和匹配）中安全处理 facial 数据，无需暴露原始图像或特征。我们提出了一种结合浅层补丁卷积网络的混合方法，通过补丁化处理支持更高维张量，同时降低乘法深度，从而减少推理延迟。并行的FHE评估确保了近似与分辨率无关的延迟。在标准人脸识别基准测试上，CryptoFace显著加速了推理并提高了验证准确率，优于为人脸识别量身调整的最新FHE神经网络。CryptoFace将促进需要强大且可证明安全性的安全人脸识别系统的部署。代码已公开于https://github.com/human-analysis/CryptoFace。
引用
@article{arxiv.2509.00332,
title = {CryptoFace: End-to-End Encrypted Face Recognition},
author = {Wei Ao and Vishnu Naresh Boddeti},
journal= {arXiv preprint arXiv:2509.00332},
year = {2025}
}
备注
CVPR 2025