Fugu-MT 論文翻訳(概要): Face Encryption via Frequency-Restricted Identity-Agnostic Attacks

論文の概要: Face Encryption via Frequency-Restricted Identity-Agnostic Attacks

arxiv url: http://arxiv.org/abs/2308.05983v1
Date: Fri, 11 Aug 2023 07:38:46 GMT
ステータス: 処理完了
システム内更新日: 2023-08-14 14:56:41.829437
Title: Face Encryption via Frequency-Restricted Identity-Agnostic Attacks
Title（参考訳）: 周波数制限されたアイデンティティ非依存攻撃による顔暗号化
Authors: Xin Dong, Rui Wang, Siyuan Liang, Aishan Liu, Lihua Jing
Abstract要約: 悪意あるコレクターは、生体情報を簡単に盗むためにディープフェイス認識システムを使用します。非許可の顔認識から顔画像を暗号化するための周波数制限ID非依存(FRIA)フレームワークを提案する。
参考スコア（独自算出の注目度）: 21.397713557004042
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Billions of people are sharing their daily live images on social media everyday. However, malicious collectors use deep face recognition systems to easily steal their biometric information (e.g., faces) from these images. Some studies are being conducted to generate encrypted face photos using adversarial attacks by introducing imperceptible perturbations to reduce face information leakage. However, existing studies need stronger black-box scenario feasibility and more natural visual appearances, which challenge the feasibility of privacy protection. To address these problems, we propose a frequency-restricted identity-agnostic (FRIA) framework to encrypt face images from unauthorized face recognition without access to personal information. As for the weak black-box scenario feasibility, we obverse that representations of the average feature in multiple face recognition models are similar, thus we propose to utilize the average feature via the crawled dataset from the Internet as the target to guide the generation, which is also agnostic to identities of unknown face recognition systems; in nature, the low-frequency perturbations are more visually perceptible by the human vision system. Inspired by this, we restrict the perturbation in the low-frequency facial regions by discrete cosine transform to achieve the visual naturalness guarantee. Extensive experiments on several face recognition models demonstrate that our FRIA outperforms other state-of-the-art methods in generating more natural encrypted faces while attaining high black-box attack success rates of 96%. In addition, we validate the efficacy of FRIA using real-world black-box commercial API, which reveals the potential of FRIA in practice. Our codes can be found in https://github.com/XinDong10/FRIA.
Abstract（参考訳）: 何十億という人々が毎日、ソーシャルメディアでライブ画像を共有している。しかし、悪意のあるコレクターは、深層顔認識システムを使用して、これらの画像から生体情報(例えば顔)を容易に盗む。顔情報漏洩を減らすために、知覚不能な摂動を導入することで、敵対的な攻撃を用いて暗号化された顔写真を生成する研究が行われている。しかし、既存の研究は、より強力なブラックボックスシナリオの実現可能性と、より自然な視覚的な外観を必要としており、プライバシー保護の可能性に挑戦している。これらの問題に対処するために,個人情報にアクセスせずに顔画像の暗号化を行う周波数制限付きアイデンティティ非依存(fria)フレームワークを提案する。弱いブラックボックスシナリオの実現可能性については、複数の顔認識モデルにおける平均特徴の表現が類似していることに逆らって、インターネットからクロールしたデータセットを通じて平均特徴をターゲットとして利用し、未知の顔認識システムの同一性にも依存せず、人間の視覚システムによってより視覚的に知覚される低周波摂動について述べる。これにより,低周波顔面領域の摂動を離散コサイン変換によって制限し,視覚的自然性を保証する。複数の顔認識モデルを用いた広範囲な実験により,本手法は,高いブラックボックス攻撃成功率を96%としつつ,より自然な暗号化顔生成において,他の最先端手法よりも優れていることが示された。さらに,実世界のブラックボックス商用APIを用いてFRIAの有効性を検証する。私たちのコードはhttps://github.com/XinDong10/FRIAで確認できます。

関連論文リスト

A Machine Learning-Based Secure Face Verification Scheme and Its Applications to Digital Surveillance [0.9208007322096533]
ほとんどの現実世界の認識システムは、認証に使用される識別に敏感な顔画像を保護することの重要性を無視している。我々は、DeepID2畳み込みニューラルネットワークを用いて、顔画像の特徴を抽出し、EMアルゴリズムを用いて顔認証問題を解決する。我々は,3段階のプライバシ懸念に基づいて,地域社会の監視(または入り口)制御のための3つの顔認証システムを開発した。
論文参考訳（メタデータ） (2024-10-29T12:25:00Z)
Transferable Adversarial Facial Images for Privacy Protection [15.211743719312613]
視覚的品質を維持しつつ、転送性を改善した新しい顔プライバシー保護方式を提案する。生成モデルの潜在空間をトラバースするために,まずグローバルな逆潜時探索を利用する。次に、視覚的アイデンティティ情報を保存するための重要なランドマーク正規化モジュールを導入する。
論文参考訳（メタデータ） (2024-07-18T02:16:11Z)
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)
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)
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)
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。