IronMask：保护深度人脸模板的模块化架构
计算机视觉与模式识别
2021-04-07 v1
摘要
卷积神经网络在人脸识别领域取得了显著进展。人脸识别技术越先进，人脸模板中蕴含的判别性特征就越丰富。然而，一旦模板泄露，这对用户隐私的威胁也越大。本文提出一种用于人脸模板保护的模块化架构，称为IronMask，其可与任何使用角距离度量的识别系统结合。我们通过提出一种与实值模板兼容的新型实值纠错码，规避了二值化需求——二值化是多数现有人脸模板保护中性能下降的主因，从而可最小化性能退化。我们在两个识别系统ArcFace和CosFace以及三个数据集CMU-Multi-PIE、FEI和Color-FERET上通过大量实验评估了IronMask的功效。实验结果显示，IronMask与ArcFace结合时在错误接受率（FAR）0.0005%下取得99.79%的正确接受率（TAR），与CosFace结合时在0% FAR下取得95.78% TAR，同时对已知攻击提供至少115位安全性。
引用
@article{arxiv.2104.02239,
title = {IronMask: Modular Architecture for Protecting Deep Face Template},
author = {Sunpill Kim and Yunseong Jeong and Jinsu Kim and Jungkon Kim and Hyung Tae Lee and Jae Hong Seo},
journal= {arXiv preprint arXiv:2104.02239},
year = {2021}
}
备注
The submission is a 13 pages of paper which consists of 3 figures, 3 tables. It is the full version of CVPR '21 paper (The Conference on Computer Vision and Patter Recognition)