无面人识别；社交媒体中的隐私影响

随着我们将更多生活转移到虚拟领域，网上共享的数据量持续增加，对我们的隐私构成威胁。本工作通过分析人们在社交媒体数据中的可识别程度，增进了对这种数据共享隐私影响的理解。为便于系统研究，我们定义了一些场景，考虑诸如一个人的多少个头部被标记以及这些头部是否被混淆等因素。我们提出了一种鲁棒的人员识别系统，能处理姿态和服装的大变化，并可用少量训练样本训练。我们的结果表明，即使存在混淆，少量图像也足以威胁用户隐私。我们展示了详细的实验结果，并讨论了其影响。