論文の概要: DecoyFace: Beyond Obfuscation via Controllable and Imperceptible Identity Misdirection for Privacy-Preserving Face Recognition
- arxiv url: http://arxiv.org/abs/2607.17504v1
- Date: Mon, 20 Jul 2026 03:19:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.488938
- Title: DecoyFace: Beyond Obfuscation via Controllable and Imperceptible Identity Misdirection for Privacy-Preserving Face Recognition
- Title（参考訳）: DecoyFace: プライバシ保護顔認識のための制御不能かつ認識不能な識別ミスダイレクトによる難読化を超えて
- Abstract要約: Split Face Recognitionはクライアント側の計算を減らしますが、中間機能をインバージョンアタックとHBCサーバによる不正解析に公開しています。
既存のプライバシ保護顔認証方式は、主に無許可の復元に抵抗することを目的としている。
提案するDecoyFaceは,不許可なデコイ指向のフレームワークである。
- 参考スコア（独自算出の注目度）: 7.701542549152122
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Split face recognition reduces client-side computation but exposes intermediate features to feature inversion attacks and unauthorized analysis by honest-but-curious (HBC) servers. Existing privacy-preserving face recognition methods mainly aim to resist unauthorized reconstruction, typically producing features whose inversion yields visibly degraded results, which may reveal the existence of protection and motivate adaptive attacks. To address this issue, we propose DecoyFace, an imperceptible decoy-oriented framework that steers unauthorized reconstruction toward a plausible but incorrect identity while preserving recognition utility. The key idea is to decompose the intermediate representation into a reconstruction-sensitive subspace and its complementary subspace. The client injects decoy identity cues into the reconstruction-sensitive subspace, while limited recognition-relevant evidence from the true sample is retained in the complementary subspace. On the server side, an authorized canonicalization module suppresses decoy-dominant components and recovers a recognition-friendly representation. This design addresses both attacker-side inversion from intercepted features and HBC server-side reconstruction from canonicalized representations. Experiments show that DecoyFace preserves competitive recognition accuracy while substantially reducing identity leakage to 2.93% under U-Net attacks and 0.74% under Flow-Matching attacks while yielding visually plausible and imperceptible reconstructions, with over 99.78% face validity on LFW dataset.
- Abstract（参考訳）: Split Face Recognitionはクライアント側の計算を減らしますが、中間機能をインバージョンアタックとHBCサーバによる不正解析に公開しています。
既存のプライバシ保護顔認証法は、主に無許可の復元に抵抗することを目的としており、典型的には、逆転が視覚的に劣化する特徴を生じさせ、保護の存在を明らかにし、適応攻撃を動機付ける。
この問題に対処するため,認識ユーティリティを保ちながら,信頼できないが不適切な同一性に向けて,無許可で再構築を行う,認識不能なデコイ指向のフレームワークであるDecoyFaceを提案する。
鍵となる考え方は、中間表現を再構成感受性部分空間とその補部分空間に分解することである。
クライアントはデコイ識別キューを再構成感受性部分空間に注入し、真のサンプルからの認識関連証拠は補的部分空間に保持する。
サーバ側では、認証された正準化モジュールがデコイ優位なコンポーネントを抑圧し、認識に優しい表現を復元する。
この設計は、インターセプトされた特徴からのアタッカーサイドの逆変換と、正規化された表現からのHBCサーバサイドの再構築の両方に対処する。
実験によると、DecoyFaceは、U-Net攻撃では2.93%、Flow-Matching攻撃では0.74%、視覚的に可視で認識不能な再構築では99.78%、LFWデータセットでは99.78%以上の認証精度を維持している。
関連論文リスト
- Asymmetric Invertible Threat: Learning Reversible Privacy Defense for Face Recognition [20.853619083574316]
顔認識システムは、不正な収集と顔データの誤用によるプライバシー上の懸念を提起する。
プライバシ保護,キー付きリカバリ,タンパー表示をひとつのフレームワークに統合した,パーソナライズされた顔のクローキングの復元対応拡張を提案する。
論文 参考訳（メタデータ） (2026-05-02T03:18:36Z) - 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) - FaceLinkGen: Rethinking Identity Leakage in Privacy-Preserving Face Recognition with Identity Extraction [10.685858393562205]
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。
論文 参考訳（メタデータ） (2026-02-02T23:41:14Z) - Adapter Shield: A Unified Framework with Built-in Authentication for Preventing Unauthorized Zero-Shot Image-to-Image Generation [74.5813283875938]
ゼロショット画像・画像生成は知的財産権侵害に重大なリスクをもたらす。
この研究は、個人イメージを誤用から守ることを目的とした、最初の普遍的および認証統合ソリューションであるAdapter Shieldを提示する。
提案手法は, ゼロショット画像合成の不正化において, 最先端の防御を克服する。
論文 参考訳（メタデータ） (2025-11-25T04:49:16Z) - Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。
トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。
IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の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） (2025-10-28T09:28:12Z) - VoxGuard: Evaluating User and Attribute Privacy in Speech via Membership Inference Attacks [51.68795949691009]
差分プライバシとメンバシップ推論に基づくフレームワークであるVoxGuardを紹介した。
属性については, 匿名化後も, 性別やアクセントをほぼ完全精度で再現できることが示唆された。
以上の結果から,EERはリークを著しく過小評価し,低FPR評価の必要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2025-09-22T20:57:48Z) - 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) - 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) - PASS: Protected Attribute Suppression System for Mitigating Bias in Face
Recognition [55.858374644761525]
顔認識ネットワークは、識別分類のために訓練されている間、機密属性に関する情報を符号化する。
既存のバイアス緩和アプローチでは、エンドツーエンドのトレーニングが必要であり、高い精度を達成できない。
PASS(Protected Attribute Suppression System)と呼ばれる記述子に基づく逆バイアス除去手法を提案する。
パスは、以前に訓練されたハイパフォーマンスネットワークから得られた記述子を使って、アイデンティティを分類し、機密属性のエンコーディングを同時に削減することができる。
論文 参考訳（メタデータ） (2021-08-09T00:39:22Z) - Vulnerability of Face Recognition Systems Against Composite Face
Reconstruction Attack [3.3707422585608953]
ラウンド信頼スコアは自明であるが、勾配降下画像再構成攻撃を阻止するためのシンプルで効果的な対策であると考えられる。
本稿では, 複合顔を用いた顔復元攻撃が, 丸め政策の非効率性を明らかにすることを実証する。
論文 参考訳（メタデータ） (2020-08-23T03:37:51Z)
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。