論文の概要: A Survey on Facial Image Privacy Preservation in Cloud-Based Services

• arxiv url: http://arxiv.org/abs/2501.08665v1
• Date: Wed, 15 Jan 2025 09:00:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-16 15:52:24.807867
• Title: A Survey on Facial Image Privacy Preservation in Cloud-Based Services
• Title（参考訳）: クラウドサービスにおける顔画像のプライバシ保護に関する調査
• Authors: Chen Chen, Mengyuan Sun, Xueluan Gong, Yanjiao Chen, Qian Wang,
• Abstract要約: 顔認識モデルは、アイデンティティ認証、消費者サービス、監視のために、商業企業、政府機関、クラウドサービスプロバイダーによってますます採用されている。 ユーザーの顔画像は同意なしに悪用され、潜在的なデータ漏洩や誤用につながる可能性がある。 本調査では,クラウドベースのサービスにおける顔画像のプライバシ保護を目的とした現在の手法を概観する。
• 参考スコア（独自算出の注目度）: 22.38855934169858
• License:
• Abstract: Facial recognition models are increasingly employed by commercial enterprises, government agencies, and cloud service providers for identity verification, consumer services, and surveillance. These models are often trained using vast amounts of facial data processed and stored in cloud-based platforms, raising significant privacy concerns. Users' facial images may be exploited without their consent, leading to potential data breaches and misuse. This survey presents a comprehensive review of current methods aimed at preserving facial image privacy in cloud-based services. We categorize these methods into two primary approaches: image obfuscation-based protection and adversarial perturbation-based protection. We provide an in-depth analysis of both categories, offering qualitative and quantitative comparisons of their effectiveness. Additionally, we highlight unresolved challenges and propose future research directions to improve privacy preservation in cloud computing environments.
• Abstract（参考訳）: 顔認識モデルは、アイデンティティ認証、消費者サービス、監視のために、商業企業、政府機関、クラウドサービスプロバイダーによってますます採用されている。 これらのモデルは、クラウドベースのプラットフォームで処理され、保存される大量の顔データを使用して、トレーニングされることが多い。 ユーザーの顔画像は同意なしに悪用され、潜在的なデータ漏洩や誤用につながる可能性がある。 本調査では,クラウドベースのサービスにおける顔画像のプライバシ保護を目的とした現在の手法を概観する。 我々は,これらの手法を,画像難読化に基づく保護と対向摂動に基づく保護の2つの主要なアプローチに分類する。 両カテゴリの詳細な分析を行い,その効果を質的,定量的に比較した。 さらに、未解決の課題を強調し、クラウドコンピューティング環境におけるプライバシー保護を改善するための今後の研究方向性を提案する。

関連論文リスト

• Face De-identification: State-of-the-art Methods and Comparative Studies [32.333766763819796]
  顔の特定は、顔画像のプライバシーを保護する効果的な手段とみなされる。 本稿では,現在最先端の顔識別手法を,ピクセルレベル,表現レベル,意味レベルという3つのレベルに分類する。
  論文  参考訳（メタデータ） (2024-11-15T01:00:00Z)
• Enhancing User-Centric Privacy Protection: An Interactive Framework through Diffusion Models and Machine Unlearning [54.30994558765057]
  この研究は、データ共有とモデル公開の間、画像データのプライバシーを同時に保護する包括的なプライバシー保護フレームワークのパイオニアだ。 本稿では、生成機械学習モデルを用いて属性レベルで画像情報を修正するインタラクティブな画像プライバシー保護フレームワークを提案する。 本フレームワークでは、画像中の属性情報を保護する差分プライバシー拡散モデルと、修正された画像データセット上でトレーニングされたモデルの効率的な更新を行う特徴未学習アルゴリズムの2つのモジュールをインスタンス化する。
  論文  参考訳（メタデータ） (2024-09-05T07:55:55Z)
• Privacy-Preserving Deep Learning Using Deformable Operators for Secure Task Learning [14.187385349716518]
  既存のプライバシー保護方法は、画像暗号化や知覚変換アプローチに依存している。 安全なタスク学習に変形可能な演算子の集合を用いる新しいプライバシ保存フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-08T19:46:20Z)
• 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)
• 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)
• PrivHAR: Recognizing Human Actions From Privacy-preserving Lens [58.23806385216332]
  我々は、人間の行動認識パイプラインに沿って、堅牢な視覚的プライバシー保護を提供するための最適化フレームワークを提案する。 我々のフレームワークは、カメラレンズをパラメータ化して、ビデオの品質を劣化させ、プライバシー特性を抑え、敵の攻撃を防ぎます。
  論文  参考訳（メタデータ） (2022-06-08T13:43:29Z)
• 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)
• FoggySight: A Scheme for Facial Lookup Privacy [8.19666118455293]
  ソーシャルメディアにアップロードされる前に、相手の事例文献から学んだ教訓を適用して、プライバシー保護の方法で顔写真を修正するソリューションを提案し、評価します。 f foggysightの核となる機能はコミュニティ保護戦略であり、ユーザがプライバシーの保護者として行動することで、敵の機械学習アルゴリズムによって生成されたデコイ写真をアップロードする。 我々は、このスキームのさまざまな設定を調査し、未知の内部構造を持つ顔認識サービスを含む、顔のプライバシー保護を可能にすることを見出します。
  論文  参考訳（メタデータ） (2020-12-15T19:57:18Z)
• Adversarial Privacy-preserving Filter [33.957912657446485]
  顔認識は、悪意のある顔画像の使用と潜在的なプライバシー問題に関して批判的に議論されてきた。 オンライン写真共有サービスは、悪意のあるクローラと顔認識アプリケーションのメインリポジトリとして意図せずに機能する。 この研究は、Adversarial Privacy-Preserving Filter(APF)と呼ばれるプライバシ保護ソリューションを開発し、オンラインの共有顔画像が悪用されるのを防ぐことを目的としている。
  論文  参考訳（メタデータ） (2020-07-25T05:41:00Z)
• 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。