PRO-Face S：基于安全流的可逆人脸图像隐私保护混淆方法
计算机视觉与模式识别
2023-07-19 v1
摘要
本文提出一种人脸隐私保护新范式，在单一轻量框架内统一了匿名性、多样性、可逆性与安全性等多重特性。我们将其命名为 PRO-Face S，即可逆人脸图像隐私保护混淆（Privacy-preserving Reversible Obfuscation of Face images via Secure flow-based model）的简称。该框架中，利用可逆神经网络（INN）处理输入图像及其预混淆形式，生成在视觉上近似于预混淆图像的隐私保护图像，从而确保隐私。所施加的预混淆可为多样化形式，具有用户指定的不同强度与风格。在保护过程中，将密钥注入网络，使得仅当提供正确密钥时，方能通过同一模型从保护图像恢复原始图像。设计了两种图像恢复模式以应对不同场景下的恶意恢复尝试。最后，在三个公开图像数据集上的大量实验证明了所提框架相对于多种最先进方法的优越性。
引用
@article{arxiv.2307.09146,
title = {PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow},
author = {Lin Yuan and Kai Liang and Xiao Pu and Yan Zhang and Jiaxu Leng and Tao Wu and Nannan Wang and Xinbo Gao},
journal= {arXiv preprint arXiv:2307.09146},
year = {2023}
}