Oct, 2023

利用概率隐私保护逆向深度人脸嵌入

PDF
TL;DR通过评估非可逆性要求的满足程度以及面部嵌入提取器的漏洞评估，本文研究了声称提供软生物特征隐私保护的方法以及隐私保护中使用的转换复杂性，实验结果表明，受保护的面部嵌入可以在达到约 98% 的精度时重构。
privacy-enhancing face recognition systemssoft-biometric privacy-enhancement approachesevaluationsstandardized evaluation protocolsvulnerability assessment
发现论文，激发创造
  • 利用全同态加密增强面部分析的隐私

    我们提出了一种新颖的技术，结合了全同态加密（FHE）和现有的模板保护方案 PolyProtect，通过多项式变换将嵌入式压缩加密，进一步保护密集的 PolyProtect 模板，确保面部嵌入的不可逆性和不可关联性，有效地防止了从面部嵌入中泄露软生物识别属性而不损害识别准确性。

    Apr, 2024

  • 关于深度生物特征表示的对抗反演

    本研究针对深度神经网络嵌入式特征表示的反演问题进行了研究，发现攻击者可以通过利用现成的深度神经网络模型和公共数据集，仅通过获取到的特征表示和攻击者的先验知识，模拟原始模型的行为，并构建成功鉴别的生物特征重建模型。

    Apr, 2023

  • 混合频 - 色域隐私保护人脸识别

    通过频率 - 颜色融合，基于身份的嵌入映射和安全多方计算等方法，提出一种隐私保护的人脸识别方案，以降低维度、保护个人隐私并获得更高的准确率。

    Jan, 2024

  • 利用差分隐私的隐私保护人脸识别

    本文提出了一种隐私保护技术，即 PEEP，该技术可对面部图像进行扰动以防止生物特征泄漏，并利用局部差分隐私的方法在第三方服务器上运行 Eigenface 识别算法。实验结果表明，PEEP 在标准隐私设置下的分类准确率约为 70％-90％。

    May, 2020

  • 嵌入非失真可取消人脸模板生成

    使用创新的图像扭曲技术，我们介绍一种能使面部图像对肉眼不可识别但仍可由自定义嵌入神经网络模型识别的生物特征认证系统，通过在 MNIST 和 LFW 数据集上的实验评估其有效性，并基于传统比较指标进行比较。

    Feb, 2024

  • 不可识别但可辨认：保留嵌入的图像扭曲

    开发生物识别身份验证系统时，隐私和安全是一个重要问题。本文介绍了一种创新的图像扭曲技术，通过神经网络模型使人脸图像在肉眼无法识别的情况下保持其可识别性，既解决了人工智能和工程领域中的相关挑战，又在生物识别身份验证系统中实现了安全、精确性和性能的平衡。

    Jan, 2024

  • 去中心化人脸识别部署中人脸嵌入的高效聚合（扩展版）

    本文提出了一种可以基于嵌入聚合的高效的人脸识别方法，该方法可以用于构建大规模、去中心化的系统，同时重视隐私保护和长期可用性。

    Dec, 2022

  • 逆向生物特征识别综述

    使用生物特征识别广泛应用，但随着对该技术的隐私和安全性的关注，普遍认为的模板不可逆转的观点已经被证明是错误的。因此，本文旨在综述生物特征识别中逆向生物特征问题的不同方面，包括问题本身、问题的评估以及问题的缓解。

    Jan, 2024

  • 基于频繁二进制模式的隐私保护多生物特征索引

    提出了一种高效的隐私保护多生物特征识别系统，通过利用来自不同类型生物特征的频繁二进制模式中包含的低类内变异属性，设计了一种多生物特征分箱方案，实验结果表明，该多生物特征识别系统可以将计算工作量降低约 57%（索引最多三种生物特征类型）和 53%（索引最多两种生物特征类型），同时提高了基准生物特征系统在高安全阈值下的生物特征性能。

    Oct, 2023

  • 隐私保护对抗性人脸特征

    本研究提出了一种基于对抗特征的面部隐私保护 (AdvFace) 方法，通过在对手模型中生成对抗性的潜在噪声来破坏从对抗性特征到面部图像的映射，生成隐私保护的对抗性特征来防御面部重建攻击。实验表明，AdvFace 在维护面部识别准确性的同时，比目前最先进的面部隐私保护方法更有效地防御重建攻击。

    May, 2023