PrivacyGAN：鲁棒生成式图像隐私保护
计算机视觉与模式识别
2023-10-20 v1
摘要
保护人脸图像隐私的经典技术通常分为两类：以 Fawkes 为代表的数据投毒方法，其对图像引入细微扰动；或匿名化方法，生成仅在性别、种族或面部表情等若干特征上与原图相似的图像。在本研究中，我们提出一种新方法 PrivacyGAN，利用 VQGAN 和 StyleGAN 等图像生成技术的力量，在保持图像可用性的同时保障隐私，尤其面向社交媒体应用。受 Fawkes 启发，我们的方法将原始图像在嵌入空间中向诱饵图像偏移。我们使用传统及新颖人脸图像数据集上的隐私指标评估了我们的方法。此外，我们提出了评估隐私保护方法针对未知图像识别技术鲁棒性的新准则，并证明即便在未知嵌入迁移场景下我们的方法也有效。我们还提供了人工评估，进一步证明修改后的图像保留了其效用，仍能被亲友识别为同一人的图像。
引用
@article{arxiv.2310.12590,
title = {PrivacyGAN: robust generative image privacy},
author = {Mariia Zameshina and Marlene Careil and Olivier Teytaud and Laurent Najman},
journal= {arXiv preprint arXiv:2310.12590},
year = {2023}
}