混合频域-色彩域中的隐私保护人脸识别

人脸识别技术已部署在各种现实生活应用中。最先进的基于深度学习的人脸识别系统依赖于通过复杂的深度神经网络训练数百万张人脸图像以实现高准确率。客户端通常将人脸图像上传给服务提供商以访问模型推理。然而，人脸图像是与每个用户身份信息绑定的敏感生物特征属性。将原始人脸图像直接暴露给服务提供商会对用户的隐私构成威胁。当前的隐私保护人脸识别方法主要侧重于在模型输入上隐藏视觉信息或保护模型输出的人脸嵌入。识别准确率的显著下降是大多数方法的缺陷。本文提出了一种混合频域-色彩融合方法，以降低频域中人脸识别的输入维度。此外，还引入了稀疏色彩信息，以缓解添加差分隐私噪声后显著的准确率下降。另外，应用了特定身份的嵌入映射方案，通过增大身份之间的距离来保护原始人脸嵌入。最后，实现了安全多方计算，用于在模型推理期间安全地计算嵌入距离。所提出的方法在多个广泛使用的验证数据集上表现良好。此外，在 1:N 验证场景中，其准确率比 SOTA 高约 2.6% 至 4.2%。