开发了面向在线多媒体共享隐私保护的对抗隐私保护过滤器（APF），其中采用了一种以端云协作为基础的对抗攻击框架，验证了其高效性和有效性。
Jul, 2020
提出了一种隐私保护的无镜头编码光阑相机系统，用于人类动作识别，使用深度神经网络以输入非可逆运动特征进行动作识别。
Feb, 2019
介绍了 QMUL-SurvFace benchmark，提供了低分辨率监控图像的面部识别挑战，利用五个具有代表性的深度学习面部识别模型进行了评估，结果表明目前的技术仍然远不能满足实际的刑事犯罪调查需求。
Apr, 2018
本文提出了一种隐私友好的大规模人脸识别替代方案，使用过自动抽取高质量人脸快照的方式以减少收集的个人数据。为此，本文开发了一个基于变分自编码器的无监督人脸图像质量评估方法，并通过实验验证了其有效性。
Jan, 2021
通过硬件级别的人脸去识别方法，解决了软件级别的人脸去识别在隐私安全上的漏洞问题。
Mar, 2024
利用扩散自编码器生成的加密人脸图像，提高了对抗攻击的成功率并提升了视觉质量。
May, 2023
通过引入微不可见的干扰来生成加密的面部照片以减少信息泄露，我们提出了一种基于受限频率和身份不可知性的框架，用于在未经授权的人脸识别中加密人脸图像，解决了黑盒攻击以及自然性保证的问题。我们的实验证明，我们的方法在生成更自然的加密面部照片方面胜过其他最先进的方法，并且在黑盒攻击的成功率达到 96%。此外，我们还使用真实的黑盒商业 API 验证了我们方法的功效，揭示了 FRIA 在实践中的潜力。
Aug, 2023
基于面部肌肤贴片的人脸反欺骗算法，无需加密 / 解密图片，消除了隐私泄露风险，获得了在准确性和速度方面的显著优势。
本论文提出了一种名为 Fawkes 的系统，它通过帮助用户在发布照片之前添加不可见的像素级变化（我们称之为 “隐身衣”）来帮助个人防范未经授权的人脸识别模型的侵犯，并在实验中验证其在保护用户隐私方面达到了 95％以上的成功率。
Feb, 2020
基于可追踪对抗性水印技术的双重隐私保护方案 (DPG)，通过在载体的深层特征空间中嵌入身份特定的水印，欺骗未授权的人脸识别模型以同时允许授权者对身份进行验证，实现了显著的攻击成功率、可追踪性精度和优秀的鲁棒性。
Apr, 2024