FoggySight：一种人脸检索隐私保护方案
计算机视觉与模式识别
2020-12-17 v1 密码学与安全
机器学习
摘要
深度学习算法的进展已使人脸识别任务上达到超越人类的性能。与此同时，私营公司一直在抓取社交媒体及其他将照片与身份关联的公开网站，并建立了带有标签的人脸图像大型数据库。这些数据库的检索现在正作为服务向执法机构等提供，并为社交媒体用户带来多重隐私风险。在本工作中，我们着手解决免受此类人脸识别系统侵害的隐私问题。我们提出并评估了 FoggySight，一种将对抗样本文献中的经验应用于在上传至社交媒体前以隐私保护方式修改人脸照片的方案。FoggySight 的核心特性是一种社区保护策略，其中作为他人隐私保护者的用户上传由对抗机器学习算法生成的诱饵照片。我们探索了该方案的不同设置，发现它确实能够实现人脸隐私的保护——包括针对内部未知的人脸识别服务。
引用
@article{arxiv.2012.08588,
title = {FoggySight: A Scheme for Facial Lookup Privacy},
author = {Ivan Evtimov and Pascal Sturmfels and Tadayoshi Kohno},
journal= {arXiv preprint arXiv:2012.08588},
year = {2020}
}