深度变分隐私漏斗：通用建模及其在人脸识别中的应用

在本研究中，我们利用信息论隐私漏斗（PF）模型，通过端到端训练框架开发了一种用于隐私保护表示学习的方法。我们严格处理了混淆与效用之间的权衡。两者均通过对数损失（一种也被称为自信息损失的度量）进行量化。这一探索加深了信息论隐私与表示学习之间的相互作用，为判别模型和生成模型的数据保护机制提供了实质性见解。重要的是，我们将模型应用于最先进的人脸识别系统。该模型展示了其对从原始人脸图像到衍生或精炼嵌入等多种输入的适应性，并能胜任分类、重建和生成等任务。