論文の概要: FACE-AUDITOR: Data Auditing in Facial Recognition Systems

• arxiv url: http://arxiv.org/abs/2304.02782v1
• Date: Wed, 5 Apr 2023 23:03:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-07 15:52:10.373054
• Title: FACE-AUDITOR: Data Auditing in Facial Recognition Systems
• Title（参考訳）: FACE-AUDITOR:顔認識システムにおけるデータ監査
• Authors: Min Chen and Zhikun Zhang and Tianhao Wang and Michael Backes and Yang Zhang
• Abstract要約: 顔画像を扱うスケーラビリティと能力のために、ショットベースの顔認識システムが注目されている。 顔画像の誤使用を防止するために、簡単なアプローチとして、生の顔画像を共有する前に修正する方法がある。 そこで本研究では,FACE-AUDITORの完全ツールキットを提案する。このツールキットは,少数ショットベースの顔認識モデルに問い合わせ,ユーザの顔画像のいずれかがモデルのトレーニングに使用されているかどうかを判断する。
• 参考スコア（独自算出の注目度）: 24.082527732931677
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Few-shot-based facial recognition systems have gained increasing attention due to their scalability and ability to work with a few face images during the model deployment phase. However, the power of facial recognition systems enables entities with moderate resources to canvas the Internet and build well-performed facial recognition models without people's awareness and consent. To prevent the face images from being misused, one straightforward approach is to modify the raw face images before sharing them, which inevitably destroys the semantic information, increases the difficulty of retroactivity, and is still prone to adaptive attacks. Therefore, an auditing method that does not interfere with the facial recognition model's utility and cannot be quickly bypassed is urgently needed. In this paper, we formulate the auditing process as a user-level membership inference problem and propose a complete toolkit FACE-AUDITOR that can carefully choose the probing set to query the few-shot-based facial recognition model and determine whether any of a user's face images is used in training the model. We further propose to use the similarity scores between the original face images as reference information to improve the auditing performance. Extensive experiments on multiple real-world face image datasets show that FACE-AUDITOR can achieve auditing accuracy of up to $99\%$. Finally, we show that FACE-AUDITOR is robust in the presence of several perturbation mechanisms to the training images or the target models. The source code of our experiments can be found at \url{https://github.com/MinChen00/Face-Auditor}.
• Abstract（参考訳）: モデル展開フェーズ中に数枚の顔画像で処理できるスケーラビリティと能力のため、ショットベースの顔認識システムが注目されている。 しかし、顔認識システムのパワーは、中程度のリソースを持つエンティティがインターネットをキャンバスし、人々の意識や同意なしに、適切に表現された顔認識モデルを構築することを可能にする。 顔画像が誤用されないようにするためには、共有する前に生の顔画像を修正し、必然的に意味情報を破壊し、レトロアクティビティの難しさを増し、適応的な攻撃をしがちである。 したがって、顔認識モデルの実用性を阻害せず、迅速にバイパスできない監査方法が緊急に必要となる。 本稿では,ユーザレベルのメンバーシップ推論問題として監査処理を定式化し,少数ショットベースの顔認識モデルに照会するための探索セットを慎重に選択し,モデルのトレーニングにユーザの顔画像が使用されているかどうかを判断する,完全なツールキットFACE-AUDITORを提案する。 さらに,従来の顔画像間の類似度スコアを基準情報として,監査性能を向上させることを提案する。 複数の実世界の顔画像データセットに対する大規模な実験は、FACE-AUDITORが最大99\%の監査精度を達成できることを示している。 最後に,訓練画像や対象モデルに対する複数の摂動機構の存在下では,フェース・ディクエターが頑健であることを示す。 実験のソースコードは \url{https://github.com/MinChen00/Face-Auditor} にある。

関連論文リスト

• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に対する潜在的な脅威となる。 この不正行為を防ぐため、プロアクティブな防御技術が提案され、操作プロセスを妨害した。 我々は,ID-Guardと呼ばれる,顔操作と戦うための新しい普遍的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• 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)
• 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)
• A Comparative Analysis of the Face Recognition Methods in Video Surveillance Scenarios [0.0]
  本研究では,最先端の顔認識手法に対する比較ベンチマーク表を提案する。 本研究では, 年齢差, クラス内差(顔のメイクアップ, ひげなど)のある顔IDの映像監視データセットを構築し, ネイティブな顔画像データを用いて評価を行った。 一方、この研究は、マスクのない顔、マスクされた顔、眼鏡をかけた顔など、さまざまな状況下で最高の認識方法を発見する。
  論文  参考訳（メタデータ） (2022-11-05T17:59:18Z)
• DuetFace: Collaborative Privacy-Preserving Face Recognition via Channel Splitting in the Frequency Domain [23.4606547767188]
  DuetFaceは、周波数領域における協調推論を利用するプライバシー保護の顔認識手法である。 提案手法は、保護されていないArcFaceと同等の認識精度とコストを達成し、最先端のプライバシ保存手法より優れている。
  論文  参考訳（メタデータ） (2022-07-15T08:35:44Z)
• GMFIM: A Generative Mask-guided Facial Image Manipulation Model for Privacy Preservation [0.7734726150561088]
  入力顔画像に知覚不可能な編集を適用するために,GANをベースとしたマスク誘導顔画像マニピュレーションモデルを提案する。 我々のモデルは、最先端の手法と比較して、自動顔認識システムに対してより良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-01-10T14:09:14Z)
• SynFace: Face Recognition with Synthetic Data [83.15838126703719]
  我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。 また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
  論文  参考訳（メタデータ） (2021-08-18T03:41:54Z)
• Learning to Aggregate and Personalize 3D Face from In-the-Wild Photo Collection [65.92058628082322]
  非パラメトリックフェースモデリングは形状仮定なしで画像からのみ3次元フェースを再構成することを目的としている。 本稿では,教師なしのロバストな3次元顔モデリングのための学習・アグリゲート・パーソナライズ・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-15T03:10:17Z)
• Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
  本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。 FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
  論文  参考訳（メタデータ） (2021-06-08T05:25:03Z)
• Real Time Face Recognition Using Convoluted Neural Networks [0.0]
  畳み込みニューラルネットワークは顔認識に最適であることが証明されている。 データセットの作成は、認識される人の顔映像を何百もの人の画像に変換することで行われる。
  論文  参考訳（メタデータ） (2020-10-09T12:04:49Z)
• 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。