論文の概要: Towards Protecting Face Embeddings in Mobile Face Verification Scenarios
- arxiv url: http://arxiv.org/abs/2110.00434v1
- Date: Fri, 1 Oct 2021 14:13:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-04 19:25:01.478323
- Title: Towards Protecting Face Embeddings in Mobile Face Verification Scenarios
- Title(参考訳): モバイル顔認証シナリオにおける顔埋め込みの保護に向けて
- Authors: Vedrana Krivoku\'ca Hahn and S\'ebastien Marcel
- Abstract要約: PolyProtectは、ニューラルネットワークベースの顔認証システムにおいて、人々の顔を表現するために使用される、繊細な顔埋め込みを保護する方法である。
PolyProtectは、モバイルアプリケーションコンテキストにおける2つのオープンソースの顔認証システムで評価される。
その結果,PolyProtectの認識精度とPolyProtectedテンプレートの不可逆性との間には,良好なトレードオフを実現するために,PolyProtectを調整できることが示唆された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes PolyProtect, a method for protecting the sensitive face
embeddings that are used to represent people's faces in neural-network-based
face verification systems. PolyProtect transforms a face embedding to a more
secure template, using a mapping based on multivariate polynomials
parameterised by user-specific coefficients and exponents. In this work,
PolyProtect is evaluated on two open-source face verification systems in a
mobile application context, under the toughest threat model that assumes a
fully-informed attacker with complete knowledge of the system and all its
parameters. Results indicate that PolyProtect can be tuned to achieve a
satisfactory trade-off between the recognition accuracy of the PolyProtected
face verification system and the irreversibility of the PolyProtected
templates. Furthermore, PolyProtected templates are shown to be effectively
unlinkable, especially if the user-specific parameters employed in the
PolyProtect mapping are selected in a non-naive manner. The evaluation is
conducted using practical methodologies with tangible results, to present
realistic insight into the method's robustness as a face embedding protection
scheme in practice. The code to fully reproduce this work is available at:
https://gitlab.idiap.ch/bob/bob.paper.polyprotect_2021.
- Abstract(参考訳): 本稿では,ニューラルネットワークを用いた顔認証システムにおいて,顔のセンシティブな埋め込みを保護する手法であるpolyprotectを提案する。
polyprotectは、ユーザ固有の係数と指数によってパラメータ化された多変量多項式に基づくマッピングを使用して、顔埋め込みをよりセキュアなテンプレートに変換する。
この研究において、polyprotectはモバイルアプリケーションコンテキストにおける2つのオープンソースの顔認証システム上で評価され、システムとそのパラメータに関する完全な知識を持つ完全なインフォームドアタッカーを想定する最も厳しい脅威モデルの下で評価される。
以上の結果から,ポリプロテクト顔認証システムの認識精度とポリプロテクトテンプレートの可逆性とのトレードオフを満足できるようポリプロテクトを調整可能であることが示された。
さらに、PolyProtectedテンプレートは、特にPolyProtectマッピングで使用されるユーザ固有のパラメータが非ネイティブな方法で選択されている場合、効果的にリンクできないことが示されている。
本評価は,実際に顔埋め込み保護スキームとして,本手法のロバスト性に関する現実的な洞察を与えるために,具体的結果を伴う実践的手法を用いて実施する。
この作業を完全に再現するコードは、https://gitlab.idiap.ch/bob/bob.paper.poly Protect_2021で公開されている。
関連論文リスト
- Reversing Deep Face Embeddings with Probable Privacy Protection [6.492755549391469]
生体認証のソフトなプライバシー保護を破るために、保護された顔埋め込みに対して最先端の顔画像再構成アプローチが評価されている。
その結果,生体認証による顔の埋め込みは,最大98%の精度で再現可能であることがわかった。
論文 参考訳(メタデータ) (2023-10-04T17:48:23Z) - PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via
Secure Flow [69.78820726573935]
保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。
本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
論文 参考訳(メタデータ) (2023-07-18T10:55:54Z) - CLIP2Protect: Protecting Facial Privacy using Text-Guided Makeup via
Adversarial Latent Search [10.16904417057085]
ディープラーニングベースの顔認識システムは、デジタル世界のユーザを無許可で追跡することができる。
既存のプライバシーを強化する方法は、ユーザー体験を損なうことなく、顔のプライバシーを保護することができる自然主義的なイメージを生成するのに失敗する。
本稿では,事前学習された生成モデルの低次元多様体における逆潜時符号の発見に依存する,顔のプライバシー保護のための新しい2段階のアプローチを提案する。
論文 参考訳(メタデータ) (2023-06-16T17:58:15Z) - Attribute-Guided Encryption with Facial Texture Masking [64.77548539959501]
本稿では,顔認識システムからユーザを保護するために,顔テクスチャマスキングを用いた属性ガイド暗号化を提案する。
提案手法は,最先端の手法よりも自然な画像を生成する。
論文 参考訳(メタデータ) (2023-05-22T23:50:43Z) - 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) - 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) - Restricted Black-box Adversarial Attack Against DeepFake Face Swapping [70.82017781235535]
本稿では,顔画像偽造モデルに対する問い合わせを一切必要としない現実的な敵攻撃を提案する。
本手法は,顔の再構成を行う代用モデルに基づいて構築され,置換モデルから非アクセス可能なブラックボックスDeepFakeモデルへの逆例を直接転送する。
論文 参考訳(メタデータ) (2022-04-26T14:36:06Z) - MLP-Hash: Protecting Face Templates via Hashing of Randomized
Multi-Layer Perceptron [4.956977275061966]
顔認識システムはプライバシに敏感な機能を持ち、システムのデータベースに格納される。
本稿では,ユーザ固有のランダムに重み付けされたパーセプトロンを介して抽出した特徴を渡すことで保護されるテンプレートハッシュという,キャンセル可能なテンプレート保護手法を提案する。
SoTA顔認識システムを用いた実験により,本手法はBioHashingやIoM Hashingと競合する性能を示した。
論文 参考訳(メタデータ) (2022-04-23T11:18:22Z) - Face Anti-Spoofing by Learning Polarization Cues in a Real-World
Scenario [50.36920272392624]
顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。
RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。
本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
論文 参考訳(メタデータ) (2020-03-18T03:04:03Z)
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。