VOIDFace：一种具有增强安全性的隐私保护多网络人脸识别
计算机视觉与模式识别
2025-08-12 v1
摘要
机器学习技术的进步，加上大规模数据集的可用性，显著提高了人脸识别的准确性和效率。现代人脸识别系统使用从不同个体或公共存储库收集的大型人脸数据集进行训练。然而，为了训练，这些数据集经常被复制并存储在多个工作站中，导致数据复制，这使得数据库管理和监督变得复杂。目前，一旦用户提交其面部信息用于数据集准备，他们便失去了对其数据如何被使用的控制权，这引发了重大的隐私和伦理问题。本文介绍了VOIDFace，一个针对人脸识别系统的新颖框架，旨在解决两个主要问题。首先，它通过使用视觉秘密共享，消除了数据复制的需求并改善了数据控制，以安全地存储训练人脸数据。其次，它提出了一种基于图像块的训练网络，利用这种新颖的训练数据存储机制来开发一个鲁棒、隐私保护的人脸识别系统。通过整合这些进步，VOIDFace旨在提高人脸识别训练的隐私性、安全性和效率，同时确保对敏感个人人脸数据的更强控制。VOIDFace还使用户能够行使他们的“被遗忘权”来控制其个人数据。在VGGFace2数据集上的实验评估表明，VOIDFace提供了“被遗忘权”、改进的数据控制、安全性和隐私性，同时保持了有竞争力的人脸识别性能。代码可在以下链接获取：https://github.com/ajnasmuhammed89/VOIDFace
引用
@article{arxiv.2508.07960,
title = {VOIDFace: A Privacy-Preserving Multi-Network Face Recognition With Enhanced Security},
author = {Ajnas Muhammed and Iurri Medvedev and Nuno Gonçalves},
journal= {arXiv preprint arXiv:2508.07960},
year = {2025}
}
备注
Accepted at IEEE International Joint Conference on Biometrics (IJCB) 2025