論文の概要: Unsupervised Enhancement of Soft-biometric Privacy with Negative Face Recognition

• arxiv url: http://arxiv.org/abs/2002.09181v1
• Date: Fri, 21 Feb 2020 08:37:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 01:27:20.969854
• Title: Unsupervised Enhancement of Soft-biometric Privacy with Negative Face Recognition
• Title（参考訳）: 負の顔認識によるソフトバイオメトリックプライバシの教師なし向上
• Authors: Philipp Terh\"orst, Marco Huber, Naser Damer, Florian Kirchbuchner, Arjan Kuijper
• Abstract要約: テンプレートレベルでのソフトバイオメトリック・プライバシを高める新しい顔認識手法である負顔認識(NFR)を提案する。 当社のアプローチでは、プライバシに敏感なラベルは必要とせず、事前定義された属性に限らず、より包括的なプライバシ保護を提供します。
• 参考スコア（独自算出の注目度）: 13.555831336280407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current research on soft-biometrics showed that privacy-sensitive information can be deduced from biometric templates of an individual. Since for many applications, these templates are expected to be used for recognition purposes only, this raises major privacy issues. Previous works focused on supervised privacy-enhancing solutions that require privacy-sensitive information about individuals and limit their application to the suppression of single and pre-defined attributes. Consequently, they do not take into account attributes that are not considered in the training. In this work, we present Negative Face Recognition (NFR), a novel face recognition approach that enhances the soft-biometric privacy on the template-level by representing face templates in a complementary (negative) domain. While ordinary templates characterize facial properties of an individual, negative templates describe facial properties that does not exist for this individual. This suppresses privacy-sensitive information from stored templates. Experiments are conducted on two publicly available datasets captured under controlled and uncontrolled scenarios on three privacy-sensitive attributes. The experiments demonstrate that our proposed approach reaches higher suppression rates than previous work, while maintaining higher recognition performances as well. Unlike previous works, our approach does not require privacy-sensitive labels and offers a more comprehensive privacy-protection not limited to pre-defined attributes.
• Abstract（参考訳）: ソフトバイオメトリックスに関する最近の研究は、個人の生体テンプレートからプライバシーに敏感な情報を推測できることを示した。 多くのアプリケーションにおいて、これらのテンプレートは認識目的のみに使用されることが期待されているため、大きなプライバシー問題が発生する。 以前の作業では、個人に関するプライバシーに敏感な情報を必要とし、アプリケーションを単一の属性と事前定義された属性の抑制に制限するプライバシー強化ソリューションの監督に重点を置いていた。 そのため、訓練では考慮されていない属性を考慮に入れない。 本研究では,顔テンプレートを相補的(負)領域で表現することで,テンプレートレベルでのソフトバイオメトリック・プライバシを高める新しい顔認識手法である負の顔認識(NFR)を提案する。 通常のテンプレートは個人の顔特性を特徴付けるが、否定的なテンプレートは、この個人には存在しない顔特性を記述する。 これにより、ストアドテンプレートからプライバシーに敏感な情報が抑制される。 プライバシに敏感な3つの属性について、制御および制御されていないシナリオでキャプチャされた2つの公開データセットで実験を行う。 実験の結果,提案手法は従来よりも高い抑制率を達成でき,高い認識性能も維持できることがわかった。 これまでの方法とは異なり、われわれのアプローチではプライバシーに敏感なラベルは必要とせず、事前定義された属性に限らず、より包括的なプライバシー保護を提供する。

関連論文リスト

• PAC Privacy Preserving Diffusion Models [6.299952353968428]
  拡散モデルは、高いプライバシーと視覚的品質の両方で画像を生成することができる。 しかし、特定のデータ属性の民営化において堅牢な保護を確保するといった課題が発生する。 PACプライバシー保護拡散モデル(PAC Privacy Preserving Diffusion Model)を導入する。
  論文  参考訳（メタデータ） (2023-12-02T18:42:52Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• TeD-SPAD: Temporal Distinctiveness for Self-supervised Privacy-preservation for video Anomaly Detection [59.04634695294402]
  人間の監視のないビデオ異常検出(VAD)は複雑なコンピュータビジョンタスクである。 VADのプライバシー漏洩により、モデルは人々の個人情報に関連する不必要なバイアスを拾い上げ、増幅することができる。 本稿では,視覚的プライベート情報を自己管理的に破壊する,プライバシーに配慮したビデオ異常検出フレームワークTeD-SPADを提案する。
  論文  参考訳（メタデータ） (2023-08-21T22:42:55Z)
• How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
  DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。 プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
  論文  参考訳（メタデータ） (2022-11-18T11:39:03Z)
• PrivacyProber: Assessment and Detection of Soft-Biometric Privacy-Enhancing Techniques [1.790445868185437]
  そこで本研究では, バイオメトリック・プライバシ・エンハンシング技術を用いて, 回復の試みの信頼性について検討する。 プライバシ強化顔画像からソフトバイオメトリック情報を復元するための高レベルフレームワークであるPrivacyProberを提案する。
  論文  参考訳（メタデータ） (2022-11-16T12:20:18Z)
• Algorithms with More Granular Differential Privacy Guarantees [65.3684804101664]
  我々は、属性ごとのプライバシー保証を定量化できる部分微分プライバシー(DP)について検討する。 本研究では,複数の基本データ分析および学習タスクについて検討し,属性ごとのプライバシパラメータが個人全体のプライバシーパラメータよりも小さい設計アルゴリズムについて検討する。
  論文  参考訳（メタデータ） (2022-09-08T22:43:50Z)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
  アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。 自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。 本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-29T02:56:40Z)
• An Attack on Feature Level-based Facial Soft-biometric Privacy Enhancement [13.780253190395715]
  特徴レベルに基づく顔ソフトバイオメトリック・プライバシ・エンハンスメント技術に対する攻撃を導入する。 プライバシーの強化を回避することができ、性別を最大90%の精度で正しく分類することができる。
  論文  参考訳（メタデータ） (2021-11-24T10:41:15Z)
• Subverting Privacy-Preserving GANs: Hiding Secrets in Sanitized Images [13.690485523871855]
  最先端のアプローチでは、プライバシ保護による生成的敵ネットワーク(PP-GAN)を使用して、ユーザのアイデンティティを漏洩することなく、信頼できる表情認識を可能にする。 PP-GANの高感度化出力画像に機密識別データを隠蔽して後で抽出できることを示す。
  論文  参考訳（メタデータ） (2020-09-19T19:02:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。