基于单张人脸图像的个性化人脸隐私保护
计算机视觉与模式识别
2026-05-20 v1
摘要
上传至网络的人脸照片易受到恶意行为者的抓取，他们可从网络来源爬取人脸图像，通过未经授权的人脸识别模型侵犯个人隐私。本文提出 FaceCloak，一种新型个性化人脸隐私保护系统，能够从用户单张人脸图像生成防御性的身份相关通用人脸隐私掩码，使人脸识别失效。FaceCloak 引入三阶段个性化人脸扰动学习方法：（1）基于用户单张人脸图像生成一小组高多样性的合成人脸图像。（2）通过在该小组合成图像上进行迭代扰动生成，学习人脸遮蔽，通过增加对关键人脸身份泄露区域的保护，有效地将用户的身份嵌入向远离相似身份的锚定身份移动。（3）生成以像素级遮蔽形式的个性化身份保护掩码，该掩码轻量可用于任何用户人脸图像，同时保持良好的感知质量。我们在三个流行人脸数据集上进行大规模实验，测试十个识别模型，结果表明 FaceCloak 在鲁棒性和效果上显著优于 29 种其他代表性方法。代码已公开：https://github.com/zacharyyahn/FaceCloak。
引用
@article{arxiv.2605.19032,
title = {Personalized Face Privacy Protection From a Single Image},
author = {Zachary Yahn and Fatih Ilhan and Tiansheng Huang and Selim Tekin and Sihao Hu and Yichang Xu and Margaret Loper and Ling Liu},
journal= {arXiv preprint arXiv:2605.19032},
year = {2026}
}