恢复高斯模糊人脸图像以进行去匿名化攻击

高斯模糊广泛用于在敏感照片发布到互联网之前对人脸进行模糊处理。然而，在高模糊设置下，模糊人脸能在多大程度上被恢复并用于重新识别该人物，目前尚不清楚。本文通过开发一种名为 Revelio 的去模糊方法来探讨这一问题。核心思路是利用生成模型的记忆效应并近似高斯模糊的逆函数以实现人脸恢复。与现有方法相比，我们设计了保持身份的去模糊过程：首先使用条件扩散模型进行初步人脸恢复，然后使用身份检索模型检索相关图像以进一步提升保真度。我们在大规模公开人脸图像数据集上评估了 Revelio，结果表明它能有效恢复模糊人脸，尤其是在高模糊设置下。其再识别准确率达到 95.9%，优于现有方案。结果表明高斯模糊不应被用于人脸匿名化目的。我们还展示了该方法对不匹配的高斯核尺寸和函数的鲁棒性，并测试了初步的对抗措施和自适应攻击以启发未来工作。