DiffProtect：利用扩散模型生成对抗样本以保护人脸隐私
计算机视觉与模式识别
2025-12-02 v4 密码学与安全
摘要
日益泛在的人脸识别（FR）系统引发了严重的个人隐私担忧，尤其是针对在社交媒体上公开分享照片的数十亿用户。已有若干尝试利用对抗攻击生成加密人脸图像，以保护个人不被未授权 FR 系统识别。然而，现有方法存在视觉质量差或攻击成功率低的问题，限制了其实用性。近来，扩散模型在图像生成方面取得巨大成功。在本工作中，我们探讨：能否使用扩散模型生成对抗样本，以同时提升视觉质量与攻击性能？我们提出 DiffProtect，利用扩散自编码器在 FR 系统上生成具有语义意义的扰动。大量实验表明，相较于 state-of-the-art 方法，DiffProtect 生成的加密图像更自然，同时攻击成功率显著提升，例如在 CelebA-HQ 和 FFHQ 数据集上分别有 24.5% 和 25.1% 的绝对提升。
引用
@article{arxiv.2305.13625,
title = {DiffProtect: Generate Adversarial Examples with Diffusion Models for Facial Privacy Protection},
author = {Jiang Liu and Chun Pong Lau and Zhongliang Guo and Yuxiang Guo and Zhaoyang Wang and Rama Chellappa},
journal= {arXiv preprint arXiv:2305.13625},
year = {2025}
}
备注
Code is at https://github.com/joellliu/DiffProtect/