論文の概要: ID-Eraser: Proactive Defense Against Face Swapping via Identity Perturbation

• arxiv url: http://arxiv.org/abs/2604.21465v1
• Date: Thu, 23 Apr 2026 09:18:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.409273
• Title: ID-Eraser: Proactive Defense Against Face Swapping via Identity Perturbation
• Title（参考訳）: ID-Eraser: アイデンティティの摂動による顔スワッピングに対する積極的な防御
• Authors: Junyan Luo, Peipeng Yu, Jianwei Fei, Shiya Zeng, Xiaoyu Zhou, Zhihua Xia, Xiang Liu,
• Abstract要約: 顔交換は、プライバシーとデジタルセキュリティに深刻な脅威をもたらす。 顔の識別を除去するプロアクティブディフェンスであるID-Eraserを提案する。 我々は,ID-Eraserが顔認識やスワップシステムにまたがる識別を著しく損なうことを示す。
• 参考スコア（独自算出の注目度）: 20.662483210451867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deepfake technologies have rapidly advanced with modern generative AI, and face swapping in particular poses serious threats to privacy and digital security. Existing proactive defenses mostly rely on pixel-level perturbations, which are ineffective against contemporary swapping models that extract robust high-level identity embeddings. We propose ID-Eraser, a feature-space proactive defense that removes identifiable facial information to prevent malicious face swapping. By injecting learnable perturbations into identity embeddings and reconstructing natural-looking protection images through a Face Revive Generator (FRG), ID-Eraser produces visually realistic results for humans while rendering the protected identities unusable for Deepfake models. Experiments show that ID-Eraser substantially disrupts identity recognition across diverse face recognition and swapping systems under strict black-box settings, achieving the lowest Top-1 accuracy (0.30) with the best FID (1.64) and LPIPS (0.020). Compared with swaps generated from clean inputs, the identity similarity of protected swaps drops sharply to an average of 0.504 across five representative face swapping models. ID-Eraser further demonstrates strong cross-dataset generalization, robustness to common distortions, and practical effectiveness on commercial APIs, reducing Tencent API similarity from 0.76 to 0.36.
• Abstract（参考訳）: ディープフェイク技術は、近代的な生成AIによって急速に進歩し、特に顔交換は、プライバシとデジタルセキュリティに深刻な脅威をもたらしている。 既存のプロアクティブディフェンスは主にピクセルレベルの摂動に依存しており、堅牢な高レベルのアイデンティティ埋め込みを抽出する同時代の交換モデルに対して効果がない。 本稿では,顔情報の識別を除去し,顔の不正なスワップを防止する特徴空間型プロアクティブディフェンスであるID-Eraserを提案する。 ID-Eraserは、学習可能な摂動をID埋め込みに注入し、Face Revive Generator (FRG)を通して自然に見える保護画像を再構成することにより、ディープフェイクモデルでは使用できない保護されたアイデンティティをレンダリングしながら、人間の視覚的に現実的な結果を生成する。 実験により、ID-Eraserは、さまざまな顔認識と厳密なブラックボックス設定下での交換システム間での識別を著しく破壊し、最高のFID(1.64)とLPIPS(0.020)でトップ1の精度(0.30)を達成した。 クリーンな入力から生成されるスワップと比較して、保護されたスワップの同一性は、5つの代表的顔スワップモデルの平均0.504に急激に低下する。 ID-Eraserはさらに、強力なクロスデータセットの一般化、共通の歪みに対する堅牢性、商用APIの実践的有効性を示し、Tencent APIの類似性を0.76から0.36に削減している。

関連論文リスト

• Diffusion-based Adversarial Identity Manipulation for Facial Privacy Protection [14.797807196805607]
  顔認識は、ソーシャルネットワーク上での不正な監視とユーザー追跡によって、深刻なプライバシー上の懸念を引き起こしている。 既存のプライバシーを強化する方法は、顔のプライバシーを保護する自然な顔画像を生成するのに失敗する。 そこで我々はDiffAIMを提案し、悪意のあるFRシステムに対して自然かつ高度に伝達可能な対向顔を生成する。
  論文  参考訳（メタデータ） (2025-04-30T13:49:59Z)
• 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)
• ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に重大な脅威をもたらす。 この不正行為を防止するため、操作過程を妨害する積極的な防御法が提案されている。 本稿では,IDガード(ID-Guard)と呼ばれる顔の操作に対処するための普遍的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• Disentangle Before Anonymize: A Two-stage Framework for Attribute-preserved and Occlusion-robust De-identification [55.741525129613535]
  匿名化前の混乱」は、新しい二段階フレームワーク(DBAF)である このフレームワークには、Contrastive Identity Disentanglement (CID)モジュールとKey-authorized Reversible Identity Anonymization (KRIA)モジュールが含まれている。 大規模な実験により,本手法は最先端の非識別手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-15T08:59:02Z)
• A Systematical Solution for Face De-identification [6.244117712209321]
  異なるタスクにおいて、人々は顔の特定(De-ID)に様々な要件を持つ 本稿では,これらのDe-ID操作に適合する系統的解を提案する。 本手法は,様々な方法で顔データを柔軟に識別し,画像の画質が向上する。
  論文  参考訳（メタデータ） (2021-07-19T02:02:51Z)
• 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。