针对未授权面部识别的人脸隐私保护的个性化隐私掩码

面部识别（FR）可被用于隐私侵扰。政府、私营公司甚至个人攻击者可通过网页抓取收集人脸图像，以构建无需知情同意即可识别人脸的FR系统。本文引入Chameleon，学习生成用户中心化的个性化隐私保护掩码（称作P3-Mask），以保护面部图像免受未授权FR的侵害，具有三个突出特点。首先，我们采用跨图像优化为每个用户生成一个P3-Mask，而非为用户的每张人脸图像定制人脸扰动，从而即使是计算资源有限的用户也能实现高效且即时的保护。其次，我们融入感知优化以保留受保护人脸图像的视觉质量。最后，通过整合焦点多样性优化集成学习到掩码生成过程中，强化P3-Mask对未知FR模型的鲁健性。在两个基准数据集上的大量实验表明，Chameleon在即时保护和图像质量最小退化方面优于三种最先进的方法。此外，Chameleon允许使用P3-Mask作为个性化去混淆密钥实现成本效益的FR授权，并对适应性攻击者表现出高度鲁健性。