論文の概要: Personalized Privacy Protection Mask Against Unauthorized Facial Recognition

• arxiv url: http://arxiv.org/abs/2407.13975v1
• Date: Fri, 19 Jul 2024 01:59:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 19:03:23.466338
• Title: Personalized Privacy Protection Mask Against Unauthorized Facial Recognition
• Title（参考訳）: 顔認識に対する個人化プライバシ保護マスク
• Authors: Ka-Ho Chow, Sihao Hu, Tiansheng Huang, Ling Liu,
• Abstract要約: 顔認識(FR)は、プライバシー侵害で悪用される可能性がある。政府、民間企業、さらには個々の攻撃者でさえ、ウェブスクレーピングによって顔画像を収集し、同意なしに人間の顔を識別するFRシステムを構築することができる。 本稿では,ユーザ中心のパーソナライズされたプライバシ保護マスクをP3マスクとして開発したChameleonについて紹介する。
• 参考スコア（独自算出の注目度）: 11.078375461923088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face recognition (FR) can be abused for privacy intrusion. Governments, private companies, or even individual attackers can collect facial images by web scraping to build an FR system identifying human faces without their consent. This paper introduces Chameleon, which learns to generate a user-centric personalized privacy protection mask, coined as P3-Mask, to protect facial images against unauthorized FR with three salient features. First, we use a cross-image optimization to generate one P3-Mask for each user instead of tailoring facial perturbation for each facial image of a user. It enables efficient and instant protection even for users with limited computing resources. Second, we incorporate a perceptibility optimization to preserve the visual quality of the protected facial images. Third, we strengthen the robustness of P3-Mask against unknown FR models by integrating focal diversity-optimized ensemble learning into the mask generation process. Extensive experiments on two benchmark datasets show that Chameleon outperforms three state-of-the-art methods with instant protection and minimal degradation of image quality. Furthermore, Chameleon enables cost-effective FR authorization using the P3-Mask as a personalized de-obfuscation key, and it demonstrates high resilience against adaptive adversaries.
• Abstract（参考訳）: 顔認識(FR)は、プライバシー侵害に対して悪用されることがある。 政府、民間企業、さらには個人攻撃者さえも、ウェブスクレイピングによって顔画像を収集し、同意なしに人間の顔を識別するFRシステムを構築することができる。 本稿では,ユーザ中心のパーソナライズされたプライバシ保護マスクをP3マスクとして開発したChameleonについて紹介する。 まず,ユーザの顔画像ごとに顔の摂動を調整する代わりに,画像のクロスイメージ最適化を用いて,各ユーザに対して1つのP3マスクを生成する。 限られたコンピューティングリソースを持つユーザに対しても、効率的かつ迅速な保護を可能にする。 第2に、保護された顔画像の視覚的品質を維持するために、パーセプティビリティー最適化を組み込んだ。 第3に、マスク生成プロセスに焦点多様性最適化アンサンブル学習を統合することにより、未知のFRモデルに対するP3-Maskの堅牢性を強化する。 2つのベンチマークデータセットの大規模な実験により、Chameleonは3つの最先端の手法より優れており、即時保護と画像品質の低下が最小限であることがわかった。 さらに、ChameleonはP3-Maskをパーソナライズされた難読化キーとして使用することで、コスト効率の高いFR認証を可能にし、適応的敵に対する高いレジリエンスを示す。

関連論文リスト

• 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)
• 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)
• CLIP2Protect: Protecting Facial Privacy using Text-Guided Makeup via Adversarial Latent Search [10.16904417057085]
  ディープラーニングベースの顔認識システムは、デジタル世界のユーザを無許可で追跡することができる。 既存のプライバシーを強化する方法は、ユーザー体験を損なうことなく、顔のプライバシーを保護することができる自然主義的なイメージを生成するのに失敗する。 本稿では,事前学習された生成モデルの低次元多様体における逆潜時符号の発見に依存する,顔のプライバシー保護のための新しい2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-16T17:58:15Z)
• 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)
• Privacy-preserving Adversarial Facial Features [31.885215405010687]
  本稿では, 顔のプライバシ保護に配慮した顔のプライバシー保護手法を提案する。 我々は,AdvFaceが再建攻撃に対する防御において,最先端のプライバシー保護手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T08:52:08Z)
• 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)
• Protecting Facial Privacy: Generating Adversarial Identity Masks via Style-robust Makeup Transfer [24.25863892897547]
  対向性化粧品転写GAN(AMT-GAN)は、対向性化粧品の顔画像構築を目的とした新しい顔保護法である。 本稿では,新しい正規化モジュールを導入するとともに,化粧品の移動における対向雑音とサイクル構成損失との矛盾を解消するための共同トレーニング戦略を導入する。
  論文  参考訳（メタデータ） (2022-03-07T03:56:17Z)
• 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。