基于深度学习的实体邮件隐私攻击建模
计算机视觉与模式识别
2024-12-18 v2 密码学与安全
图像与视频处理
摘要
邮件隐私保护旨在防止未经授权获取信封内隐藏内容，因为普通纸质信封并不像我们想象的那样安全。本文首次表明，借助精心设计的深度学习模型，可在不拆开信封的情况下大幅恢复隐藏内容。我们首先将基于深度学习的实体邮件内容隐私攻击建模为学习从相机拍摄的信封正面图像到隐藏内容的映射，随后将该映射显式建模为透视变换、图像去雾与去噪的组合，并使用一个名为 Neural-STE（See-Through-Envelope）的深度卷积神经网络实现。实验表明，隐藏内容的细节（如纹理与图像结构）可被清晰恢复。最后，我们的建模与模型使我们能够设计可抵御基于深度学习的实体邮件隐私攻击的信封。
引用
@article{arxiv.2012.11803,
title = {Modeling Deep Learning Based Privacy Attacks on Physical Mail},
author = {Bingyao Huang and Ruyi Lian and Dimitris Samaras and Haibin Ling},
journal= {arXiv preprint arXiv:2012.11803},
year = {2024}
}
备注
Source code: https://github.com/BingyaoHuang/Neural-STE