論文の概要: Robust Skin Color Driven Privacy Preserving Face Recognition via Function Secret Sharing

• arxiv url: http://arxiv.org/abs/2407.05045v1
• Date: Sat, 6 Jul 2024 10:51:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-09 21:18:15.715044
• Title: Robust Skin Color Driven Privacy Preserving Face Recognition via Function Secret Sharing
• Title（参考訳）: 機能秘密共有による顔認識のためのロバスト肌色駆動型プライバシ
• Authors: Dong Han, Yufan Jiang, Yong Li, Ricardo Mendes, Joachim Denzler,
• Abstract要約: 顔画像からの純肌色パッチを付加情報として活用し、補助肌色特徴抽出器と顔認識モデルを訓練する。 我々のソリューションは、ブラックボックス攻撃およびGANに基づく画像復元に対して堅牢である。
• 参考スコア（独自算出の注目度）: 15.227352006063954
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this work, we leverage the pure skin color patch from the face image as the additional information to train an auxiliary skin color feature extractor and face recognition model in parallel to improve performance of state-of-the-art (SOTA) privacy-preserving face recognition (PPFR) systems. Our solution is robust against black-box attacking and well-established generative adversarial network (GAN) based image restoration. We analyze the potential risk in previous work, where the proposed cosine similarity computation might directly leak the protected precomputed embedding stored on the server side. We propose a Function Secret Sharing (FSS) based face embedding comparison protocol without any intermediate result leakage. In addition, we show in experiments that the proposed protocol is more efficient compared to the Secret Sharing (SS) based protocol.
• Abstract（参考訳）: 本研究では,顔画像からの純肌色パッチを付加情報として活用し,補助肌色特徴抽出器と顔認識モデルを並列に訓練し,最先端(SOTA)プライバシ保護顔認証(PPFR)システムの性能向上を図る。 我々のソリューションは、ブラックボックス攻撃およびGANに基づく画像復元に対して堅牢である。 提案したコサイン類似性計算は,サーバ側に保存された保護されたプリ計算済みの埋め込みを直接リークする可能性がある。 本稿では,Function Secret Sharing (FSS) を用いた顔埋め込み比較プロトコルを提案する。 さらに,提案プロトコルはシークレット共有(SS)ベースのプロトコルよりも効率的であることを示す。

関連論文リスト

• PPIDSG: A Privacy-Preserving Image Distribution Sharing Scheme with GAN in Federated Learning [2.0507547735926424]
  分散学習(FL)は、分散クライアントでのプライバシー保護のための協調トレーニングを可能にするため、注目を集めている。 最近の研究によると、個人データを敵に公開するリスクは依然として残っている。 GAN(PPIDSG)を用いたプライバシー保護型画像配信方式を提案する。
  論文  参考訳（メタデータ） (2023-12-16T08:32:29Z)
• 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)
• Enhancing Mobile Privacy and Security: A Face Skin Patch-Based Anti-Spoofing Approach [0.0]
  顔認識システム(FAS)は,顔認識システムのセキュリティを高めるために重要なコンポーネントである。 従来のFASは、スプーフィングトレースを検出するために、識別情報を含む画像を使用していたが、これらの画像の送信と保存中にプライバシー漏洩のリスクがある。 そこで本研究では,純粋な顔皮膚パッチ画像を入力として利用した顔皮膚パッチに基づく顔用アンチスプーフィングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-08-09T08:36:13Z)
• 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)
• Efficient Explainable Face Verification based on Similarity Score Argument Backpropagation [5.956239490189115]
  2つの顔画像が一致したか否かを、与えられた顔認識システムで理解することが重要である。 そこで我々はxSSABを提案する。xSSABは似通ったスコアに基づく議論をバックプロパゲートする手法で、顔のマッチング決定を支持したり、反対したりする。 Patch-LFWは、新しい評価プロトコルと併用可能な、説明可能な顔検証ベンチマークである。
  論文  参考訳（メタデータ） (2023-04-26T09:48:48Z)
• 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)
• 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)
• Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
  顔認識システムのセキュリティには、顔の偽造が不可欠だ。 本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
  論文  参考訳（メタデータ） (2020-08-19T03:54:23Z)
• Black-Box Face Recovery from Identity Features [61.950765357647605]
  我々はアルゴリズムをテストするために最先端の顔認識システム(ArcFace)を攻撃した。 我々のアルゴリズムは、最先端のソリューションに比べて、はるかに少ないクエリを必要とする。
  論文  参考訳（メタデータ） (2020-07-27T15:25:38Z)
• Privacy-Preserving Image Features via Adversarial Affine Subspace Embeddings [72.68801373979943]
  多くのコンピュータビジョンシステムでは、ユーザーは画像処理とストレージのためにイメージ機能をクラウドにアップロードする必要がある。 本稿では,新しいプライバシー保護機能表現を提案する。 従来の特徴と比較すると,敵が個人情報を回収するのは極めて困難である。
  論文  参考訳（メタデータ） (2020-06-11T17:29:48Z)

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。