Jan, 2024

深度变分隐私漏斗：泛化建模与应用于人脸识别

PDF
TL;DR利用信息论隐私漏斗（PF）模型，开发出一种使用端到端训练框架的隐私保存表示学习方法，通过对抹消和实用性之间的权衡进行量化来实现。我们将其应用于最先进的人脸识别系统，该模型展示了在不同输入（从原始面部图像到派生或改进的嵌入）上的适应性，并且在分类、重建和生成等任务中表现出了竞争力。
privacy-preserving representation learninginformation-theoretic privacy funnellogarithmic lossdata protection mechanismsface recognition systems
发现论文，激发创造
  • 深度隐私漏斗模型：从判别到生成方法，应用于人脸识别

    该研究应用信息论隐私漏斗（PF）模型于人脸识别领域，在端到端训练框架中开发了一种新的隐私保护表征学习方法，解决了数据保护中混淆和效用之间的权衡问题。

    Apr, 2024

  • 从信息瓶颈到隐私漏斗

    该论文讨论了用户在希望获得某些实用性的同时，披露与其私人数据相关的信息所面临的隐私 - 效用权衡以及了解了一种概率隐私映射的数据变换技术，进而提出了一种优化方案以平衡隐私泄露和效用损失。通过实验在美国人口普查数据集上检验了该方案的性能。

    Feb, 2014

  • 隐私漏斗的高效凸差分求解器

    提出了一种高效的隐私漏斗（PF）方法求解器，利用其凸凹差分（DC）结构。该求解器在已知分布和未知分布情况下均适用，能够有效地平衡隐私和效用的折衷，并满足 PF 的基本马尔可夫关系。

    Mar, 2024

  • 基于 VGAN 的图像表征学习方法 用于保护隐私的面部表情识别

    本文提出了一种 PPRL-VGAN 模型，可实现面部表情识别和高质量图像生成，并在保护用户隐私和数据实用性方面取得了一定平衡。

    Mar, 2018

  • PrivacyGAN: 鲁棒的生成图像隐私

    使用 VQGAN 和 StyleGAN 等图像生成技术，我们提出了一种名为 PrivacyGAN 的新方法来保护面部图像的隐私，同时保持图像的可用性，特别适用于社交媒体应用。我们的方法通过将原始图像在嵌入空间内向伪装图像进行移动来实现，该方法在保护隐私指标和鲁棒性评估方面表现出了有效性。

    Oct, 2023

  • 隐私与公平：信息混淆用于本地差分隐私的公平表示学习

    通过引入信息瓶颈进行本地差分隐私的信息混淆方法，该研究旨在开发和分析一种理论框架，实现公平表示学习，并展示 LDP 随机化器在编码过程中提高公平性的能力。基于所提出的方法，我们进一步发展了一种同时实现 LDP 和公平性的变分表示编码方法，并通过广泛的实验验证了我们的理论结果，并展示了我们的方法在保持足够效用的同时能够实现 LDP 和公平性的能力。

    Feb, 2024

  • 隐私和公正的变分方法

    本文提出了一种新的变分方法来学习私有和 / 或公平的表示，该方法基于一个新的隐私和公平优化问题的拉格朗日形式，并展示了保持所需信息水平的数据表示，并在最小化保留信息的同时控制效用与隐私或公平平衡的相似之处和可行性。该方法可舒适地纳入常见的表示学习算法，如 VAE、β-VAE、VIB 或非线性 IB 等。

    Jun, 2020

  • 只分享你的表达：保证在联合学习中隐私效用权衡的改进

    使用差分隐私算法减轻联邦学习中的信息泄露风险，提供共识模型的协作更新，同时允许本地个性化，以优化隐私 - 效用权衡问题，并通过实验证明，在小的隐私预算下，相比之前的方法，在图像分类任务中取得显著性能提升。

    Sep, 2023

  • 透过面纱看世界：联邦学习中的差分隐私在医学影像分类中的应用

    本研究将差分隐私技术引入联邦学习框架以实现隐私保护的医学图像分类，证实了隐私保护与模型准确性之间的权衡存在，但我们证明了差分隐私的隐私预算的战略校准可以保持健壮的图像分类性能同时提供实质性的隐私保护。

    Jun, 2023

  • 差分隐私：基于扩散的人脸隐私保护

    本文提出了一种基于扩散模型的面部隐私保护方法 Diff-Privacy，通过统一匿名化和视觉身份信息隐藏任务，利用多尺度图像反演模块（MSI）和条件嵌入策略实现面部图像的隐私保护。

    Sep, 2023