基于映射扰动的视觉隐私保护
密码学与安全
2021-02-04 v4 计算机视觉与模式识别
图像与视频处理
摘要
隐私保护是一个重要的研究领域，在大数据时代尤为关键。在很大程度上，视觉分类数据的隐私主要在于图像与其对应标签之间的映射，因为这种关系提供了大量信息并可用于其他场景。本文提出基于映射扰动的保护方法（MDP）及其基于数据增强的扩展（AugMDP），通过修改原始数据集来保护数据隐私。在由 MDP 生成的修改数据集中，图像与其标签不一致（例如，类猫图像被标为狗），而在其上训练的 DNN 仍能在良性测试集上取得良好性能。因此，该方法可在数据集泄露时保护隐私。我们进行了大量实验，验证了方法的有效性与可行性。复现主要结果的代码见 \url{https://github.com/PerdonLiu/Visual-Privacy-Protection-via-Mapping-Distortion}。
引用
@article{arxiv.1911.01769,
title = {Visual Privacy Protection via Mapping Distortion},
author = {Yiming Li and Peidong Liu and Yong Jiang and Shu-Tao Xia},
journal= {arXiv preprint arXiv:1911.01769},
year = {2021}
}
备注
Accepted by the ICASSP 2021. The first two authors contributed equally to this work