論文の概要: IronMask: Modular Architecture for Protecting Deep Face Template

• arxiv url: http://arxiv.org/abs/2104.02239v1
• Date: Tue, 6 Apr 2021 02:07:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-07 14:10:07.189851
• Title: IronMask: Modular Architecture for Protecting Deep Face Template
• Title（参考訳）: IronMask: ディープフェイステンプレートを保護するモジュールアーキテクチャ
• Authors: Sunpill Kim, Yunseong Jeong, Jinsu Kim, Jungkon Kim, Hyung Tae Lee and Jae Hong Seo
• Abstract要約: 我々は,任意の顔認証システムと組み合わせることが可能な,ironmaskと呼ばれる顔テンプレート保護のためのモジュールアーキテクチャを提案する。 我々は、IronMaskがArcFaceと組み合わせると、99.79%の真の受け入れ率(TAR)が偽受け入れ率(FAR)で0.0005%、CosFaceで0%のTARが95.78%となることを示す。
• 参考スコア（独自算出の注目度）: 9.23211126021217
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Convolutional neural networks have made remarkable progress in the face recognition field. The more the technology of face recognition advances, the greater discriminative features into a face template. However, this increases the threat to user privacy in case the template is exposed. In this paper, we present a modular architecture for face template protection, called IronMask, that can be combined with any face recognition system using angular distance metric. We circumvent the need for binarization, which is the main cause of performance degradation in most existing face template protections, by proposing a new real-valued error-correcting-code that is compatible with real-valued templates and can therefore, minimize performance degradation. We evaluate the efficacy of IronMask by extensive experiments on two face recognitions, ArcFace and CosFace with three datasets, CMU-Multi-PIE, FEI, and Color-FERET. According to our experimental results, IronMask achieves a true accept rate (TAR) of 99.79% at a false accept rate (FAR) of 0.0005% when combined with ArcFace, and 95.78% TAR at 0% FAR with CosFace, while providing at least 115-bit security against known attacks.
• Abstract（参考訳）: 畳み込みニューラルネットワークは顔認識分野において顕著な進歩を遂げている。 顔認識の技術が進歩すればするほど、より差別的な特徴が顔テンプレートに反映される。 しかし、テンプレートが公開されると、ユーザのプライバシに対する脅威が高まる。 本稿では,角度距離メトリックを用いた任意の顔認識システムと組み合わせることが可能な,ironmaskと呼ばれる顔テンプレート保護のためのモジュラーアーキテクチャを提案する。 既存の顔テンプレート保護における性能劣化の主な原因であるバイナライゼーションの必要性を回避するため、実値テンプレートと互換性があり、性能劣化を最小限に抑えることができる新しい実値誤り訂正符号を提案する。 我々は、CMU-Multi-PIE、FEI、Color-FERETの3つのデータセットを用いた2つの顔認識、ArcFaceとCosFaceの広範な実験により、IronMaskの有効性を評価する。 実験結果によると、IronMaskは、ArcFaceと組み合わせると偽の受け入れ率(FAR)で99.79%、CosFaceで0%のFARで95.78%、既知の攻撃に対して少なくとも115ビットのセキュリティを提供する。

関連論文リスト

• HiMFR: A Hybrid Masked Face Recognition Through Face Inpainting [0.7868449549351486]
  エンドツーエンドの複合顔認証システム、HiMFRを提案する。 マスクされた顔検出モジュールは、事前訓練された視覚変換器を適用して、顔がマスクで覆われているか否かを検出する。 Inpaintingモジュールは、GAN(Generative Adversarial Network)に基づいたきめ細かい画像のインペイントモデルを使用して、顔を復元する。 最後に、EfficientNetB3バックボーンを備えたViTに基づくハイブリッド顔認識モジュールは、顔を認識する。
  論文  参考訳（メタデータ） (2022-09-19T11:26:49Z)
• ReFace: Real-time Adversarial Attacks on Face Recognition Systems [17.761026041449977]
  本稿では,ATN(Adversarial Transformation Networks)に基づく顔認識モデルに対するリアルタイムかつ高変換可能な攻撃であるReFaceを提案する。 ATNsモデルによるフィードフォワードニューラルネットワークの逆例生成 純U-Net ATNのホワイトボックス攻撃成功率は、大規模顔認識データセットのPGDのような勾配に基づく攻撃にほぼ及ばないことがわかった。
  論文  参考訳（メタデータ） (2022-06-09T22:25:34Z)
• 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)
• FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
  顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。 ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。 また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
  論文  参考訳（メタデータ） (2022-05-23T07:19:42Z)
• MLFW: A Database for Face Recognition on Masked Faces [56.441078419992046]
  Masked LFW (MLFW) は、マスクのない顔からマスクされた顔を自動的に生成するツールである。 SOTAモデルの認識精度は、元の画像の精度と比較して、MLFWデータベース上で5%-16%低下する。
  論文  参考訳（メタデータ） (2021-09-13T09:30:10Z)
• End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
  最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。 本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。 我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
  論文  参考訳（メタデータ） (2021-08-21T09:08:41Z)
• Boosting Masked Face Recognition with Multi-Task ArcFace [0.973681576519524]
  新型コロナウイルス(COVID-19)による世界的な健康危機を考えると、口と鼻を覆うマスクは日常の衣服に欠かせないものになっています。 この尺度は、マスクされた顔で機能するよう設計されていないため、最先端の顔認識モデルをロープに乗せている。 完全なトレーニングパイプラインがArcFace作業に基づいて提示され、バックボーンとロス関数のいくつかの修正が行われている。
  論文  参考訳（メタデータ） (2021-04-20T10:12:04Z)
• FedFace: Collaborative Learning of Face Recognition Model [66.84737075622421]
  FedFaceは顔認識モデルの協調学習のためのフレームワークである。 各クライアントに格納された顔画像が、他のクライアントや中央ホストと共有されない、正確で汎用的な顔認識モデルを学ぶ。 コードとトレーニング済みモデルは公開される予定です。
  論文  参考訳（メタデータ） (2021-04-07T09:25:32Z)
• Masked Face Recognition Dataset and Application [28.2082082956263]
  本研究では,MFDD(Masked Face Detection dataset),RMFRD(Real-world Masked Face Recognition dataset),SMFRD(Simulated Masked Face Recognition dataset)の3種類のマスク付き顔データセットを提案する。 開発したマルチグラニュラリティマスク顔認証モデルは,業界が報告した結果を上回る95%の精度を実現している。
  論文  参考訳（メタデータ） (2020-03-20T04:15:19Z)
• 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。