基于对抗特征的隐私保护人脸特征
计算机视觉与模式识别
2023-05-10 v1
摘要
人脸识别服务提供商通过从图像中提取紧凑且具有判别力的人脸特征（表示）并存储这些特征以实现实时识别来保护人脸隐私。然而，此类特征仍可被利用，通过构建重建网络来恢复原始人脸的外观。尽管已有若干隐私保护方法被提出，但增强人脸隐私保护是以识别精度下降为代价的。在本文中，我们提出一种基于对抗特征的人脸隐私保护（AdvFace）方法，以生成隐私保护对抗特征，其能够破坏从对抗特征到人脸图像的映射，从而防御重建攻击。为此，我们设计了一个影子模型来模拟攻击者的行为，以捕获从人脸特征到图像的映射函数，并生成对抗性隐空间噪声来破坏该映射。服务器数据库中存储的是对抗特征而非原始特征，以防止泄露的特征暴露人脸信息。此外，AdvFace 无需改变人脸识别网络，并且可作为已部署人脸识别系统中的隐私增强插件来实现。大量实验结果表明，在防御重建攻击的同时保持人脸识别精度方面，AdvFace 优于最先进的人脸隐私保护方法。
引用
@article{arxiv.2305.05391,
title = {Privacy-preserving Adversarial Facial Features},
author = {Zhibo Wang and He Wang and Shuaifan Jin and Wenwen Zhang and Jiahui Hu and Yan Wang and Peng Sun and Wei Yuan and Kaixin Liu and Kui Ren},
journal= {arXiv preprint arXiv:2305.05391},
year = {2023}
}