PrivacyProber：软生物特征隐私增强技术的评估与检测
计算机视觉与模式识别
2022-11-23 v2
摘要
软生物特征隐私增强技术是一类机器学习方法，旨在：(i) 通过抑制人脸图像中特定的软生物特征属性（如性别、年龄、种族）来缓解与人脸识别技术相关的隐私担忧；(ii) 使未经许可提取敏感个人信息变得不可行。由于此类技术正日益应用于现实场景，理解隐私增强在多大程度上可被逆转、以及从隐私增强图像中能恢复多少属性信息至关重要。尽管这些方面十分关键，文献中尚未对其进行研究。因此，我们研究了若干最先进软生物特征隐私增强技术面对属性恢复尝试时的鲁棒性。我们提出 PrivacyProber，一个用于从隐私增强人脸图像中恢复软生物特征信息的高层框架，并在三个公开人脸数据集（即 LFW、MUCT 与 Adience）上通过全面实验将其应用于属性恢复。实验表明，无论采用何种隐私增强技术，所提框架均能恢复相当数量的被抑制信息，但同时不同隐私模型之间存在显著差异。这些结果指出，亟需新型机制以提升现有隐私增强技术的鲁棒性，并使其免受试图恢复被抑制信息的潜在攻击者威胁。
引用
@article{arxiv.2211.08864,
title = {PrivacyProber: Assessment and Detection of Soft-Biometric Privacy-Enhancing Techniques},
author = {Peter Rot and Peter Peer and Vitomir Štruc},
journal= {arXiv preprint arXiv:2211.08864},
year = {2022}
}