論文の概要: An Attack on Feature Level-based Facial Soft-biometric Privacy
Enhancement
- arxiv url: http://arxiv.org/abs/2111.12405v1
- Date: Wed, 24 Nov 2021 10:41:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-25 15:31:30.609109
- Title: An Attack on Feature Level-based Facial Soft-biometric Privacy
Enhancement
- Title(参考訳): 機能レベルに基づく顔ソフトバイオメトリックプライバシー強化に対する攻撃
- Authors: Dail\'e Osorio-Roig, Christian Rathgeb, Pawel Drozdowski, Philipp
Terh\"orst, Vitomir \v{S}truc, Christoph Busch
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 13.780253190395715
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the recent past, different researchers have proposed novel
privacy-enhancing face recognition systems designed to conceal soft-biometric
information at feature level. These works have reported impressive results, but
usually do not consider specific attacks in their analysis of privacy
protection. In most cases, the privacy protection capabilities of these schemes
are tested through simple machine learning-based classifiers and visualisations
of dimensionality reduction tools. In this work, we introduce an attack on
feature level-based facial soft-biometric privacy-enhancement techniques. The
attack is based on two observations: (1) to achieve high recognition accuracy,
certain similarities between facial representations have to be retained in
their privacy-enhanced versions; (2) highly similar facial representations
usually originate from face images with similar soft-biometric attributes.
Based on these observations, the proposed attack compares a privacy-enhanced
face representation against a set of privacy-enhanced face representations with
known soft-biometric attributes. Subsequently, the best obtained similarity
scores are analysed to infer the unknown soft-biometric attributes of the
attacked privacy-enhanced face representation. That is, the attack only
requires a relatively small database of arbitrary face images and the
privacy-enhancing face recognition algorithm as a black-box. In the
experiments, the attack is applied to two representative approaches which have
previously been reported to reliably conceal the gender in privacy-enhanced
face representations. It is shown that the presented attack is able to
circumvent the privacy enhancement to a considerable degree and is able to
correctly classify gender with an accuracy of up to approximately 90% for both
of the analysed privacy-enhancing face recognition systems.
- Abstract(参考訳): 近年、異なる研究者がソフトバイオメトリック情報を特徴レベルで隠蔽する新しいプライバシー向上型顔認識システムを提案している。
これらの研究は印象的な結果を報告しているが、通常、プライバシー保護の分析において特定の攻撃を考慮しない。
ほとんどの場合、これらのスキームのプライバシー保護機能は、単純な機械学習ベースの分類器と次元低減ツールの視覚化によってテストされる。
本研究では,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提案する。
この攻撃は、(1)高い認識精度を達成するためには、そのプライバシー強化バージョンに顔表現の特定の類似性を保持する必要があり、(2)非常に類似した顔表現は、通常、類似のソフトバイオメトリック属性を持つ顔画像に由来する。
これらの観測に基づいて、提案攻撃はプライバシー強化顔表現と、プライバシー強化顔表現と、既知のソフトバイオメトリック属性を比較した。
その後、最も優れた類似度スコアを解析し、攻撃されたプライバシー強調顔表現の未知のソフトバイオメトリック特性を推定する。
つまり、攻撃には、任意の顔画像の比較的小さなデータベースと、ブラックボックスとしてのプライバシー向上の顔認識アルゴリズムが必要だ。
実験では、プライバシ強化された顔表現において、性別を確実に隠蔽する2つの代表的なアプローチに適用した。
提示された攻撃は、プライバシ強化をかなり回避することができ、分析されたプライバシ強化顔認識システムにおいて、最大90%の精度で性別を正しく分類することができる。
関連論文リスト
- Face De-identification: State-of-the-art Methods and Comparative Studies [32.333766763819796]
顔の特定は、顔画像のプライバシーを保護する効果的な手段とみなされる。
本稿では,現在最先端の顔識別手法を,ピクセルレベル,表現レベル,意味レベルという3つのレベルに分類する。
論文 参考訳(メタデータ) (2024-11-15T01:00:00Z) - 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) - Privacy-Preserving Face Recognition Using Trainable Feature Subtraction [40.47645421424354]
顔認識はプライバシーの懸念を増している。
本稿では,視覚障害と回復障害に対する顔画像保護について検討する。
我々は,この手法を新たなプライバシ保護顔認識手法であるMinusFaceに精錬する。
論文 参考訳(メタデータ) (2024-03-19T05:27:52Z) - Privacy-Preserving Face Recognition in Hybrid Frequency-Color Domain [16.05230409730324]
顔画像は、各ユーザのアイデンティティ情報に関連付けられた、敏感なバイオメトリック属性である。
本稿では,顔認識の入力次元を低減するために,ハイブリッド周波数-カラー融合法を提案する。
1:Nの検証シナリオの最先端よりも約2.6%から4.2%高い精度を持つ。
論文 参考訳(メタデータ) (2024-01-24T11:27:32Z) - 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) - 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) - 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) - Privacy-Preserving Face Recognition Using Random Frequency Components [46.95003101593304]
顔認識によってプライバシーの懸念が高まっている。
人間の知覚可能な低周波成分を抽出することで視覚情報を隠蔽することを提案する。
得られた知見を,プライバシ保護のための新しい顔認識手法であるPartialFaceに抽出する。
論文 参考訳(メタデータ) (2023-08-21T04:31:02Z) - 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) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳(メタデータ) (2020-01-09T15:50:28Z)
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。