对面部图像的视觉信息和恢复进行隐私保护的研究，通过修剪人可察觉的低频分量来隐藏视觉信息，并提出了 PartialFace 的隐私保护人脸识别方法，通过在随机选择的频率分量上进行识别模型的训练和推理，实现了隐私保护目标和识别准确性的平衡。
Aug, 2023
本文介绍了 DuetFace，一种新颖的隐私保护人脸识别方法，该方法采用频域中的协同推断，通过利用高频通道的相似性，设计了一种信任分割频道的方法，并且通过插件交互块进行注意力转移，实现了对面部图像的保护和高效率识别。
Jul, 2022
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。
本文介绍了一种针对模型反演攻击的自适应混合遮蔽算法，通过在频域中使用自适应 MixUp 策略对人脸图像进行遮蔽，较传统方法获得更好的隐私保护和识别准确性。
Mar, 2024
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。
Oct, 2023
本文提出了一种基于离散余弦变换（DCT）的频率对抗攻击方法，以欺骗面部伪造检测器。通过引入融合模块来捕获对手在频率域中显着的区域，我们的方法比空间域中的现有对抗攻击更为难以察觉，并且不会降低原始图像的视觉质量。在实验中，我们发现该方法有效地欺骗了空间域和最先进的频率域检测器，并增强了面部伪造检测器之间的可靠性。
Mar, 2022
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
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
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
基于图像压缩的灵感，本文提出了一种通过特征减法在原始面部图像和模型生成的再生图像之间创建视觉上无信息的面部图像的方法，通过对高维特征表示进行共同训练来鼓励图像中的可识别身份特征，通过随机通道混洗来增强隐私保护，得到了缺乏攻击者可利用的纹理细节的随机可辨认图像。我们将这些方法总结为一种新颖的隐私保护人脸识别方法 MinusFace，实验证明其具有高的识别准确性和有效的隐私保护。其代码可在此 URL 中获得。