論文の概要: LowKey: Leveraging Adversarial Attacks to Protect Social Media Users from Facial Recognition

• arxiv url: http://arxiv.org/abs/2101.07922v2
• Date: Mon, 25 Jan 2021 04:23:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-03-22 01:30:55.908782
• Title: LowKey: Leveraging Adversarial Attacks to Protect Social Media Users from Facial Recognition
• Title（参考訳）: LowKey: ソーシャルメディアユーザーを顔認識から守るために、敵対的攻撃を活用する
• Authors: Valeriia Cherepanova, Micah Goldblum, Harrison Foley, Shiyuan Duan, John Dickerson, Gavin Taylor, Tom Goldstein
• Abstract要約: 我々は、画像処理パイプライン全体に対応する独自の逆フィルターを開発する。 Amazon RekognitionとMicrosoft Azure Face Recognition APIの精度を大幅に低下させる、使いやすいWebツールをリリースします。
• 参考スコア（独自算出の注目度）: 46.610361721000444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial recognition systems are increasingly deployed by private corporations, government agencies, and contractors for consumer services and mass surveillance programs alike. These systems are typically built by scraping social media profiles for user images. Adversarial perturbations have been proposed for bypassing facial recognition systems. However, existing methods fail on full-scale systems and commercial APIs. We develop our own adversarial filter that accounts for the entire image processing pipeline and is demonstrably effective against industrial-grade pipelines that include face detection and large scale databases. Additionally, we release an easy-to-use webtool that significantly degrades the accuracy of Amazon Rekognition and the Microsoft Azure Face Recognition API, reducing the accuracy of each to below 1%.
• Abstract（参考訳）: 顔認識システムは、民間企業や政府機関、消費者サービスや大量監視プログラムの請負業者によって、ますます普及している。 これらのシステムは通常、ユーザー画像のソーシャルメディアプロファイルをスクラップして構築される。 顔認識システムをバイパスするための対向摂動法が提案されている。 しかし、既存の方法はフルスケールのシステムや商用APIでは失敗する。 我々は,画像処理パイプライン全体を考慮し,顔検出や大規模データベースを含む産業用パイプラインに対して明らかに有効である,独自の逆フィルタを開発した。 さらに、Amazon RekognitionとMicrosoft Azure Face Recognition APIの精度を大幅に低下させ、それぞれの精度を1%以下に削減する使いやすいWebツールもリリースしました。

関連論文リスト

• A Machine Learning-Based Secure Face Verification Scheme and Its Applications to Digital Surveillance [0.9208007322096533]
  ほとんどの現実世界の認識システムは、認証に使用される識別に敏感な顔画像を保護することの重要性を無視している。 我々は、DeepID2畳み込みニューラルネットワークを用いて、顔画像の特徴を抽出し、EMアルゴリズムを用いて顔認証問題を解決する。 我々は,3段階のプライバシ懸念に基づいて,地域社会の監視(または入り口)制御のための3つの顔認証システムを開発した。
  論文  参考訳（メタデータ） (2024-10-29T12:25:00Z)
• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• Face Presentation Attack Detection [59.05779913403134]
  顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。 しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
  論文  参考訳（メタデータ） (2022-12-07T14:51:17Z)
• Privacy-Preserving Face Recognition with Learnable Privacy Budgets in Frequency Domain [77.8858706250075]
  本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。 本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
  論文  参考訳（メタデータ） (2022-07-15T07:15:36Z)
• Fairness Properties of Face Recognition and Obfuscation Systems [19.195705814819306]
  顔難読化システムは、画像に追加されると知覚不能な摂動を生成し、顔認識システムがユーザを誤識別させる。 顔認識の文脈で不公平であることが知られているメートル法埋め込みネットワークに対する顔難読化のこのような依存は、人口統計学的公正性の問題を表面化させる。 グラフ埋め込みネットワークは人口統計学的に認識されており、それらの人口統計学的特性に基づいて埋め込み空間に顔をクラスタリングしている。
  論文  参考訳（メタデータ） (2021-08-05T16:18:15Z)
• Am I a Real or Fake Celebrity? Measuring Commercial Face Recognition Web APIs under Deepfake Impersonation Attack [17.97648576135166]
  人気企業の顔認識技術がDeepfake Impersonation(DI)攻撃にいかに脆弱であるかを実証します。 我々は、ターゲット(正確に一致)と非ターゲット(有名人と一致)の攻撃に対して、78.0%と99.9%の最大成功率を達成する。
  論文  参考訳（メタデータ） (2021-03-01T08:40:10Z)
• FoggySight: A Scheme for Facial Lookup Privacy [8.19666118455293]
  ソーシャルメディアにアップロードされる前に、相手の事例文献から学んだ教訓を適用して、プライバシー保護の方法で顔写真を修正するソリューションを提案し、評価します。 f foggysightの核となる機能はコミュニティ保護戦略であり、ユーザがプライバシーの保護者として行動することで、敵の機械学習アルゴリズムによって生成されたデコイ写真をアップロードする。 我々は、このスキームのさまざまな設定を調査し、未知の内部構造を持つ顔認識サービスを含む、顔のプライバシー保護を可能にすることを見出します。
  論文  参考訳（メタデータ） (2020-12-15T19:57:18Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。