FaceAnonyMixer：基于身份一致性潜在空间混合的可撤销人脸
计算机视觉与模式识别
2025-08-08 v1
摘要
人脸识别技术的不断进步加剧了隐私关注，亟需保护身份同时维持识别效用的隐私方法。现有的面脸匿名方法通常侧重于遮蔽身份，但无法满足生物识别模板保护的要求，包括可撤销性、不可链接性和不可逆性。我们提出了 FaceAnonyMixer，一种可撤销人脸生成框架，利用预训练生成模型的潜在空间来合成保留隐私的人脸图像。FaceAnonyMixer 的核心思想是将真实人脸图像的潜在代码与源自可撤销密钥的合成代码不可逆地混合。混合后的潜在代码经经过精心设计的多目标损失函数进一步细化，以满足所有可撤销生物识别要求。FaceAnonyMixer 能够生成高质量的可撤销人脸图像，无需任何修改即可直接使用现有的面脸识别系统进行匹配。大量基准数据集上的实验表明，FaceAnonyMixer 在识别准确率方面显著优于最近的可撤销生物识别方法，商用 API 上隐私保护效果提升超过11%。代码已公开：https://github.com/talha-alam/faceanonymixer。
引用
@article{arxiv.2508.05636,
title = {FaceAnonyMixer: Cancelable Faces via Identity Consistent Latent Space Mixing},
author = {Mohammed Talha Alam and Fahad Shamshad and Fakhri Karray and Karthik Nandakumar},
journal= {arXiv preprint arXiv:2508.05636},
year = {2025}
}
备注
Accepted at the International Joint Conference on Biometrics (IJCB) 2025