論文の概要: Unlearnable Faces: Privacy Protection Surviving Extraction Pipeline

• arxiv url: http://arxiv.org/abs/2607.05996v1
• Date: Tue, 07 Jul 2026 08:30:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.456819
• Title: Unlearnable Faces: Privacy Protection Surviving Extraction Pipeline
• Title（参考訳）: 未知の顔: 抽出パイプラインを生き残るプライバシー保護
• Abstract要約: 未知の例は、公開写真が無許可の顔認識モデルによって学習されるのを防ぐ。 本稿では,学習不可能な目的への抽出を構築するLPIDを提案する。
• 参考スコア（独自算出の注目度）: 6.664773262083469
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unlearnable examples keep publicly shared photos from being learned by unauthorized face-recognition models. An imperceptible perturbation, added before sharing, makes any model trained on the protected photos fail on clean faces. The perturbation is crafted on the shared image, however the attacker trains on the face it extracts, cropped and resized to the recognizer input, and under this extraction the protection collapses. We propose LPID, which builds the extraction into the unlearnable-example objective. LPID confines the perturbation to the extracted face region and optimizes it through a differentiable model of the extraction, concentrating its energy in the frequency band the extraction preserves. Because this robustness is a property of the transform rather than of any identity, LPID is re-optimized per album and protects even users it has never seen. LPID attains the lowest attacker accuracy of all methods in every setting we evaluate, holding the attacker below $10\%$ under crop+resize extraction on identities unseen at protection time, while remaining imperceptible at $32.7$\,dB PSNR and $0.161$ LPIPS.
• Abstract（参考訳）: 未知の例は、公開写真が無許可の顔認識モデルによって学習されるのを防ぐ。 シェアする前に追加される知覚不能な摂動は、保護された写真で訓練されたあらゆるモデルがきれいな顔で失敗する。 共用画像に基づいて摂動を行うが、攻撃者は抽出した顔で訓練し、認識者の入力に切り換え、再サイズし、この抽出の下で保護が崩壊する。 本稿では,学習不可能な目的への抽出を構築するLPIDを提案する。 LPIDは、抽出された顔領域への摂動を閉じ込め、抽出の微分可能なモデルを通して最適化し、抽出した周波数帯のエネルギーを集中させる。 この堅牢性は同一性ではなく変換の特性であるため、LPIDはアルバムごとに再最適化され、これまで見たことのないユーザでも保護される。 LPIDは、私たちが評価するすべての設定において、最も低い攻撃精度を達成し、攻撃者は保護時に見つからないIDを10\%以下に抑えながら、32.7$\,dB PSNRと0.161$LPIPSを保ったままである。

関連論文リスト

• SRAP: SVD-Refined Adversarial Perturbations for Imperceptible Face-Swap Defense [15.331054591146978]
  投影勾配降下(PGD)によって生じる逆方向の摂動は、顔スワッピングモデルで使用されるアイデンティティ表現を妨害することができる。 PGD摂動の識別感度推定と特異値分解(SVD)により,これらの空間的およびスペクトル的非効率を解析した。 本稿では,各最適化ステップにおいて,チャネル毎のSVD精細化とID重要度マスクを併用したSRAPを提案する。
  論文  参考訳（メタデータ） (2026-08-04T09:48:46Z)
• Adv-TGD: Adversarial Text-Guided Diffusion for Face Recognition Impersonation Attacks [2.1485350418225244]
  本稿では,ジェネレーティブ・アタック・フレームワークであるAdv-TGDを提案する。 ターゲットのアイデンティティを偽装し、顔認識システムを欺くことができる光現実的な顔を合成する。 Adv-TGDは、IR152、IRSE50、MobileFace、FaceNetで平均攻撃成功率(ASR)が85.90%に達する。
  論文  参考訳（メタデータ） (2026-06-10T03:28:00Z)
• Safeguarding Text-to-Image Generative Models Against Unauthorized Knowledge Distillation [49.23010932057819]
  クローズドウェイト生成サービスのための単一パスでジェネレータベースの保護フレームワークであるWaveGuardを紹介する。 WaveGuardのセーフガードは、ユーザが指定した摂動予算の下で合成画像をリリースしている。
  論文  参考訳（メタデータ） (2026-05-21T06:50:50Z)
• SIDeR: Semantic Identity Decoupling for Unrestricted Face Privacy [53.75084833636302]
  本稿では,非制限顔プライバシー保護のためのセマンティックデカップリング駆動フレームワークSIDeRを提案する。 SIDeRは、顔画像をマシン認識可能な識別特徴ベクトルと視覚的に知覚可能なセマンティックな外観成分に分解する。 認証されたアクセスのために、SIDeRは正しいパスワードが提供されるときに元の形式に復元できる。
  論文  参考訳（メタデータ） (2026-02-04T19:30:48Z)
• NullSwap: Proactive Identity Cloaking Against Deepfake Face Swapping [8.284351945561099]
  我々は、ディープフェイクの顔交換の本質を分析し、ターゲット画像ではなく、情報源の身元を保護する必要性を論じる。 我々はNullSwapを提案する。NullSwapは、ソースイメージのアイデンティティを隠蔽し、純粋なブラックボックスシナリオ下での顔交換を無効化する新しいプロアクティブディフェンス手法である。 実験は、様々なアイデンティティ認識モデルを騙すアプローチの際立った能力を示す。
  論文  参考訳（メタデータ） (2025-03-24T13:49:39Z)
• 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)
• PixelFade: Privacy-preserving Person Re-identification with Noise-guided Progressive Replacement [41.05432008027312]
  オンラインの人物識別サービスは、データ漏洩回復攻撃によるプライバシー侵害を検知する。 これまでのプライバシ保護者再識別手法では、回復攻撃に抵抗できず、精度を損なうことはできない。 歩行者画像を保護するための反復的(PixelFade)手法を提案する。
  論文  参考訳（メタデータ） (2024-08-10T12:52:54Z)
• 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)
• Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning [54.15303628138665]
  フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。 既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。 我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-01T15:36:59Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)

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。