DivTrackee 对比 DynTracker：在反人脸识别中促进多样性以对抗动态人脸识别策略
计算机视觉与模式识别
2025-06-25 v2 密码学与安全
摘要
人脸识别（FR）模型的广泛采用引发了对潜在滥用的严重担忧，从而推动了反人脸识别（AFR）的发展以保护用户面部隐私。本文认为，先前文献中主要采用的静态FR策略来评估AFR效能，并不能真实反映那些旨在追踪特定目标身份的坚定追踪者的实际能力。具体而言，我们引入了DynTracker，一种动态FR策略，其中模型的图库数据库会随着新识别的目标身份图像而迭代更新。令人惊讶的是，这种简单的方法使得所有现有的AFR保护措施失效。为了减轻DynTracker带来的隐私威胁，我们主张在AFR保护的图像中明确促进多样性。我们假设缺乏多样性是现有AFR方法失败的主要原因。具体来说，我们开发了DivTrackee，一种构建多样化AFR保护的新方法，它基于文本引导的图像生成框架和促进多样性的对抗损失。通过在多种图像基准和特征提取器上的全面实验，我们展示了DynTracker在破解现有AFR方法方面的强大能力，以及DivTrackee在防止用户面部图像被动态FR策略识别方面的优越性。我们相信，我们的工作可以作为开发更有效的AFR方法以保护用户面部隐私免受坚定追踪者侵害的重要第一步。
引用
@article{arxiv.2501.06533,
title = {DivTrackee versus DynTracker: Promoting Diversity in Anti-Facial Recognition against Dynamic FR Strategy},
author = {Wenshu Fan and Minxing Zhang and Hongwei Li and Wenbo Jiang and Hanxiao Chen and Xiangyu Yue and Michael Backes and Xiao Zhang},
journal= {arXiv preprint arXiv:2501.06533},
year = {2025}
}