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

• SlerpFace: Face Template Protection via Spherical Linear Interpolation [35.74859369424896]
  本稿では,事前保護の無効化が可能な拡散モデルを用いて,新たなプライバシ攻撃形態を特定する。 この攻撃は、テンプレートから高品質でアイデンティティを保存する顔画像を合成し、人の外観を明らかにする。 本稿では,拡散モデルの生成能力に関する研究に基づいて,テンプレートをノイズ様の分布に回転させることにより,攻撃に対する防御を提案する。 提案手法は,新しい顔テンプレート保護技術であるSlerpFaceとして実装されている。
  論文  参考訳（メタデータ） (2024-07-03T12:07:36Z)
• Imperceptible Face Forgery Attack via Adversarial Semantic Mask [59.23247545399068]
  本稿では, 対向性, 可視性に優れた対向性例を生成できるASMA(Adversarial Semantic Mask Attack framework)を提案する。 具体的には, 局所的なセマンティック領域の摂動を抑制し, 良好なステルス性を実現する, 対向型セマンティックマスク生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-06-16T10:38:11Z)
• Enhancing Privacy in Face Analytics Using Fully Homomorphic Encryption [8.742970921484371]
  本稿では,FHE(Fully Homomorphic Encryption)と,PolyProtectと呼ばれるテンプレート保護方式を組み合わせた新しい手法を提案する。 提案手法は,非可逆性と無リンク性を保証し,ソフトバイオメトリック埋め込みの漏洩を効果的に防止する。
  論文  参考訳（メタデータ） (2024-04-24T23:56:03Z)
• 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)
• 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)

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。