論文の概要: FaceLinkGen: Rethinking Identity Leakage in Privacy-Preserving Face Recognition with Identity Extraction

• arxiv url: http://arxiv.org/abs/2602.02914v1
• Date: Mon, 02 Feb 2026 23:41:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.138028
• Title: FaceLinkGen: Rethinking Identity Leakage in Privacy-Preserving Face Recognition with Identity Extraction
• Title（参考訳）: FaceLinkGen: アイデンティティ抽出によるプライバシ保護顔認識におけるID漏洩の再考
• Authors: Wenqi Guo, Shan Du,
• Abstract要約: 元のピクセルを復元することなく、保護テンプレートから直接リンク/マッチングと顔の再生を行うID抽出攻撃であるFaceLinkGenを提案する。 その結果,PPFR評価に広く用いられている画素歪み測定値と,実際のプライバシとの間に構造的ギャップが明らかとなった。
• 参考スコア（独自算出の注目度）: 10.685858393562205
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Transformation-based privacy-preserving face recognition (PPFR) aims to verify identities while hiding facial data from attackers and malicious service providers. Existing evaluations mostly treat privacy as resistance to pixel-level reconstruction, measured by PSNR and SSIM. We show that this reconstruction-centric view fails. We present FaceLinkGen, an identity extraction attack that performs linkage/matching and face regeneration directly from protected templates without recovering original pixels. On three recent PPFR systems, FaceLinkGen reaches over 98.5\% matching accuracy and above 96\% regeneration success, and still exceeds 92\% matching and 94\% regeneration in a near zero knowledge setting. These results expose a structural gap between pixel distortion metrics, which are widely used in PPFR evaluation, and real privacy. We show that visual obfuscation leaves identity information broadly exposed to both external intruders and untrusted service providers.
• Abstract（参考訳）: 変換ベースのプライバシ保護顔認識(PPFR)は、攻撃者や悪意のあるサービスプロバイダの顔データを隠蔽しながら、アイデンティティを検証することを目的としている。 既存の評価は、PSNRとSSIMによって測定された画素レベルの再構成に対する抵抗として、プライバシを主に扱う。 この再構築中心の視点は失敗する。 元のピクセルを復元することなく、保護テンプレートから直接リンク/マッチングと顔の再生を行うID抽出攻撃であるFaceLinkGenを提案する。 最近の3つのPPFRシステムでは、FaceLinkGenは98.5 %のマッチング精度に達し、96 %以上の再生成功を達成し、ほぼゼロの知識環境では92 %のマッチングと94 %の再生を達成している。 これらの結果から,PPFR評価に広く用いられている画素歪み測定値と,実際のプライバシとの間に構造的ギャップが明らかとなった。 視覚的難読化は、外部侵入者および信頼できないサービス提供者の両方に、アイデンティティ情報を広く公開することを示します。

関連論文リスト

• FaceSwapGuard: Safeguarding Facial Privacy from DeepFake Threats through Identity Obfuscation [42.52406793874506]
  FaceSwapGuard(FSG)は、ディープフェイクのフェイススワッピング脅威に対するブラックボックス防御機構である。 FSGはユーザーの顔画像に知覚不能な摂動を導入し、アイデンティティエンコーダによって抽出された特徴を妨害する。 複数のフェイススワッピング技術に対するFSGの有効性を示す大規模な実験を行った。
  論文  参考訳（メタデータ） (2025-02-15T13:45:19Z)
• 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)
• Local Features Meet Stochastic Anonymization: Revolutionizing Privacy-Preserving Face Recognition for Black-Box Models [54.88064975480573]
  プライバシー保護顔認証(PPFR)の課題は現在、2つの未解決課題に直面している。 グローバルな特徴の破壊と局所的な特徴の強化により,ブラックボックス環境においても効果的に認識できる。 本手法は,ブラックボックスモデルの平均認識精度94.21%を達成し,プライバシ保護とアンチコンストラクションの両面で既存手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-12-11T10:49:15Z)
• 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 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)
• 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)
• Assessing Privacy Risks from Feature Vector Reconstruction Attacks [24.262351521060676]
  我々は、再構成された顔画像の脅威を有意義に捉える指標を開発する。 再構成された顔画像は、商業的な顔認識システムと人間の両方による再識別を可能にすることを示す。 その結果,特徴ベクトルはパーソナライズ可能な情報として認識されるべきであることが確認された。
  論文  参考訳（メタデータ） (2022-02-11T16:52:02Z)
• Face Anonymization by Manipulating Decoupled Identity Representation [5.26916168336451]
  本稿では,顔画像の識別情報をわずかな修正で漏洩から保護する手法を提案する。 具体的には、生成的敵ネットワークの力を利用する他の顔属性と同一性表現を分離する。 モデルの不整合性を回避し、匿名性生成(AIG)を効果的に行う手法を提案する。
  論文  参考訳（メタデータ） (2021-05-24T07:39:54Z)
• 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。