論文の概要: Privacy-preserving Preselection for Face Identification Based on Packing

• arxiv url: http://arxiv.org/abs/2507.02414v1
• Date: Thu, 03 Jul 2025 08:15:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-04 15:37:15.970422
• Title: Privacy-preserving Preselection for Face Identification Based on Packing
• Title（参考訳）: パッケージ化に基づく顔識別のためのプライバシ保護予備選択
• Authors: Rundong Xin, Taotao Wang, Jin Wang, Chonghe Zhao, Jing Wang,
• Abstract要約: PFIP(Philipty-Preselection for Face Identification based on Packing)と呼ばれる暗号文領域における顔検索手法を提案する。 PFIPには、計算オーバーヘッドを削減する革新的な事前選択機構と、導入段階における生体認証システムの柔軟性を高めるパッケージモジュールが組み込まれている。 LFWおよびCASIAデータセットを用いて行った実験は、PFIPが元の顔認識モデルの精度を保ち、300ミリ秒以内に1000の暗号文の顔テンプレートを検索しながら100%のヒット率を達成することを示した。
• 参考スコア（独自算出の注目度）: 9.235015111013064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face identification systems operating in the ciphertext domain have garnered significant attention due to increasing privacy concerns and the potential recovery of original facial data. However, as the size of ciphertext template libraries grows, the face retrieval process becomes progressively more time-intensive. To address this challenge, we propose a novel and efficient scheme for face retrieval in the ciphertext domain, termed Privacy-Preserving Preselection for Face Identification Based on Packing (PFIP). PFIP incorporates an innovative preselection mechanism to reduce computational overhead and a packing module to enhance the flexibility of biometric systems during the enrollment stage. Extensive experiments conducted on the LFW and CASIA datasets demonstrate that PFIP preserves the accuracy of the original face recognition model, achieving a 100% hit rate while retrieving 1,000 ciphertext face templates within 300 milliseconds. Compared to existing approaches, PFIP achieves a nearly 50x improvement in retrieval efficiency.
• Abstract（参考訳）: 暗号文領域で動作する顔識別システムは、プライバシー上の懸念の高まりや、元の顔データの回復の可能性により、大きな注目を集めている。 しかし、暗号文テンプレートライブラリのサイズが大きくなるにつれて、顔検索プロセスは徐々に時間を要するようになっていく。 この課題に対処するため、我々は、PFIP (Philipty-Preselection for Face Identification Based on Packing) と呼ばれる、暗号文領域における顔検索の新規かつ効率的なスキームを提案する。 PFIPには、計算オーバーヘッドを削減する革新的な事前選択機構と、導入段階における生体認証システムの柔軟性を高めるパッケージモジュールが組み込まれている。 LFWおよびCASIAデータセットで実施された大規模な実験により、PFIPは元の顔認識モデルの精度を保ち、300ミリ秒以内に1000の暗号文の顔テンプレートを検索しながら100%のヒット率を達成した。 既存の手法と比較して、PFIPは検索効率が50倍近く向上している。

関連論文リスト

• iFADIT: Invertible Face Anonymization via Disentangled Identity Transform [51.123936665445356]
  顔の匿名化は、個人のプライバシーを保護するために顔の視覚的アイデンティティを隠すことを目的としている。 Invertible Face Anonymization の頭字語 iFADIT を Disentangled Identity Transform を用いて提案する。
  論文  参考訳（メタデータ） (2025-01-08T10:08:09Z)
• G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
  可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。 本稿では,Gtextsuperscript2Faceを提案する。 提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
  論文  参考訳（メタデータ） (2024-08-18T12:36:47Z)
• Enhancing Privacy in Face Analytics Using Fully Homomorphic Encryption [8.742970921484371]
  本稿では,FHE(Fully Homomorphic Encryption)と,PolyProtectと呼ばれるテンプレート保護方式を組み合わせた新しい手法を提案する。 提案手法は,非可逆性と無リンク性を保証し,ソフトバイオメトリック埋め込みの漏洩を効果的に防止する。
  論文  参考訳（メタデータ） (2024-04-24T23:56:03Z)
• 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)
• 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-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• 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)
• Deep Face Fuzzy Vault: Implementation and Performance [5.251555525361623]
  ディープフェイスファジィVaultベースのテンプレート保護スキームを無リンクで改善した。 顔からのデジタルキーの派生と同様に、顔参照データのプライバシー保護を提供する。
  論文  参考訳（メタデータ） (2021-02-04T07:37:23Z)
• 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。