使用生成式深度神经网络的人脸去标识化

人脸去标识化是隐私与安全研究人员中的一个活跃话题。早期依赖于图像模糊或像素化的去标识化方法，近年来被基于形式化匿名模型的技术所取代，这些技术提供隐私保证，同时旨在去标识化后保留数据的某些特征。后一方面尤为重要，因为它允许在身份信息无关的应用中利用去标识化后的数据。本工作中，我们提出一种新颖的人脸去标识化流程，其通过使用生成式神经网络（GNNs）合成人工替代人脸来确保匿名性。生成的人脸用于去标识化图像或视频中的主体，同时保留数据的非身份相关方面，从而支持数据利用。由于生成式网络具有高度适应性，并能利用一组多样的参数（涉及生成输出在面部表情、性别、种族等方面的外观），它们成为人脸去标识化问题的自然选择。为证明我们方法的可行性，我们使用自动识别工具和人类标注者进行了实验。结果表明，在去标识化图像上的识别性能接近随机水平，表明基于GNNs的去标识化过程非常有效。