LowKey：利用对抗攻击保护社交媒体用户免受人脸识别追踪
计算机视觉与模式识别
2021-01-26 v2 密码学与安全
机器学习
摘要
人脸识别系统正日益被私营公司、政府机构和承包商部署，用于消费服务和大规模监控项目。这些系统通常是通过抓取社交媒体资料中的用户图像来构建的。已有研究提出使用对抗扰动来绕过人脸识别系统。然而，现有方法在完整规模系统和商业 API 上均告失败。我们开发了自身的对抗滤波器，该滤波器考虑了整个图像处理流程，并对包含人脸检测与大规模数据库的工业级处理流程具有明确的有效性。此外，我们发布了一个易于使用的网络工具，可显著降低 Amazon Rekognition 与 Microsoft Azure Face Recognition API 的识别准确率，将二者的准确率均降至 1% 以下。
引用
@article{arxiv.2101.07922,
title = {LowKey: Leveraging Adversarial Attacks to Protect Social Media Users from Facial Recognition},
author = {Valeriia Cherepanova and Micah Goldblum and Harrison Foley and Shiyuan Duan and John Dickerson and Gavin Taylor and Tom Goldstein},
journal= {arXiv preprint arXiv:2101.07922},
year = {2021}
}
备注
Published as a conference paper at ICLR 2021