增强以用户为中心的隐私保护：基于扩散模型与机器遗忘的交互式框架
计算机视觉与模式识别
2024-09-06 v1
摘要
在多媒体数据分析领域，图像数据集的广泛使用加剧了此类数据中关于隐私保护的担忧。当前研究主要集中在数据共享或已训练机器学习模型发布时的隐私保护。我们的研究率先提出了一种综合性的隐私保护框架，在数据共享和模型发布期间同时保护图像数据隐私。我们提出了一种交互式图像隐私保护框架，利用生成式机器学习模型在属性层面修改图像信息，并采用机器遗忘算法对模型参数进行隐私保护。这种用户交互式框架允许根据用户对生成图像的反馈调整隐私保护强度，在最大化隐私保护与维持模型性能之间取得平衡。在该框架内，我们实例化了两个模块：一个用于保护图像中属性信息的差分隐私扩散模型，以及一个用于在修改后的图像数据集上高效更新已训练模型的特征遗忘算法。我们的方法在面部数据集上的各种属性分类任务中表现出优于现有方法的性能。
引用
@article{arxiv.2409.03326,
title = {Enhancing User-Centric Privacy Protection: An Interactive Framework through Diffusion Models and Machine Unlearning},
author = {Huaxi Huang and Xin Yuan and Qiyu Liao and Dadong Wang and Tongliang Liu},
journal= {arXiv preprint arXiv:2409.03326},
year = {2024}
}