論文の概要: Privacy-Preserving Face Recognition in Hybrid Frequency-Color Domain

• arxiv url: http://arxiv.org/abs/2401.13386v1
• Date: Wed, 24 Jan 2024 11:27:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-25 14:40:50.940934
• Title: Privacy-Preserving Face Recognition in Hybrid Frequency-Color Domain
• Title（参考訳）: ハイブリッド周波数色領域におけるプライバシー保全型顔認識
• Authors: Dong Han, Yong Li, Joachim Denzler
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 16.05230409730324
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Face recognition technology has been deployed in various real-life applications. The most sophisticated deep learning-based face recognition systems rely on training millions of face images through complex deep neural networks to achieve high accuracy. It is quite common for clients to upload face images to the service provider in order to access the model inference. However, the face image is a type of sensitive biometric attribute tied to the identity information of each user. Directly exposing the raw face image to the service provider poses a threat to the user's privacy. Current privacy-preserving approaches to face recognition focus on either concealing visual information on model input or protecting model output face embedding. The noticeable drop in recognition accuracy is a pitfall for most methods. This paper proposes a hybrid frequency-color fusion approach to reduce the input dimensionality of face recognition in the frequency domain. Moreover, sparse color information is also introduced to alleviate significant accuracy degradation after adding differential privacy noise. Besides, an identity-specific embedding mapping scheme is applied to protect original face embedding by enlarging the distance among identities. Lastly, secure multiparty computation is implemented for safely computing the embedding distance during model inference. The proposed method performs well on multiple widely used verification datasets. Moreover, it has around 2.6% to 4.2% higher accuracy than the state-of-the-art in the 1:N verification scenario.
• Abstract（参考訳）: 顔認識技術は様々な現実のアプリケーションに応用されている。 最も洗練されたディープラーニングベースの顔認識システムは、複雑なディープニューラルネットワークを通じて何百万もの顔画像のトレーニングに頼っている。 クライアントがモデル推論にアクセスするために、フェイスイメージをサービスプロバイダにアップロードすることは、非常に一般的です。 しかし、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の一種である。 サービスプロバイダに生の顔イメージを直接公開することは、ユーザのプライバシに対する脅威となる。 顔認識に対する現在のプライバシー保護アプローチは、モデル入力の視覚情報を隠蔽するか、モデル出力のフェース埋め込みを保護することに焦点を当てている。 認識精度の低下は、ほとんどの方法の落とし穴である。 本稿では,周波数領域における顔認識の入力次元性を低減するための周波数色融合手法を提案する。 さらに、差分プライバシーノイズを付加した後の精度劣化を軽減するために、スパースカラー情報も導入する。 さらに、アイデンティティに特有な埋め込みマッピングスキームを適用し、アイデンティティ間の距離を増加させることで、元の顔埋め込みを保護する。 最後に,モデル推論中の埋め込み距離を安全に計算するために,セキュアなマルチパーティ計算を実装した。 提案手法は,複数の検証データセット上で有効に動作する。 さらに、1:nの検証シナリオの最先端よりも2.6%から4.2%高い精度を持つ。

関連論文リスト

• 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)
• 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)
• Face Encryption via Frequency-Restricted Identity-Agnostic Attacks [25.198662208981467]
  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。
  論文  参考訳（メタデータ） (2023-08-11T07:38:46Z)
• 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)
• Privacy-Preserving Face Recognition with Learnable Privacy Budgets in Frequency Domain [77.8858706250075]
  本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。 本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
  論文  参考訳（メタデータ） (2022-07-15T07:15:36Z)
• 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)
• 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。