FaceCloak：用于保护人脸模板的学习方法
计算机视觉与模式识别
2025-10-29 v2
摘要
生成模型可从编码表示（模板）重建人脸图像，重建效果与原脸极为相似，这引发了安全和隐私担忧。我们提出了 \textsc{FaceCloak}，一种神经网络框架，通过生成智能、可更新的二进制隐形层来保护人脸模板。该方法主动通过对单个人脸模板即时合成的唯一干扰器来防止逆向攻击，同时在可证明地保持生物识别效用和不可关联性方面。我们的隐形模板可抑制敏感属性，并能针对新兴的特征提取方案进行泛化，同时在生物识别匹配和抗重建攻击鲁棒性方面优于领先基线方法。\textsc{FaceCloak}-based matching 速度极快（推理时间=0.28 ms）且轻巧（0.57 MB）。我们已公开代码供可重复的科研使用。
引用
@article{arxiv.2504.06131,
title = {FaceCloak: Learning to Protect Face Templates},
author = {Sudipta Banerjee and Anubhav Jain and Chinmay Hegde and Nasir Memon},
journal= {arXiv preprint arXiv:2504.06131},
year = {2025}
}
备注
Accepted in IEEE International Conference on Automatic Face and Gesture Recognition (FG 2025)