論文の概要: From Noise to Meaning: Meaningful Secret Sharing with Tamper Detection for Facial Recognition
- arxiv url: http://arxiv.org/abs/2608.08924v1
- Date: Sun, 09 Aug 2026 21:36:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.996036
- Title: From Noise to Meaning: Meaningful Secret Sharing with Tamper Detection for Facial Recognition
- Title(参考訳): ノイズから意味へ:顔認識のためのタンパー検出による意味のある秘密共有
- Abstract要約: 本稿では,ノイズ様の秘密共有を視覚的に魅力的な隠蔽画像に変換し,追加の暗号タンパ検出を行う新しい手法を提案する。
強いデジタル透かしと暗号ハッシュを用いた2層認証は、共有の整合性を保護するために用いられる。
- 参考スコア(独自算出の注目度): 4.609876125182189
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Popularity of AI-based face recognition system directly demands protection of sensitive biometric data used for training. Visual secret sharing is an interesting idea, as it splits facial images into secret shares that look random and spread across many institutions. However, these shares look like noise and can easily spark suspicion and recognized as encrypted content. This makes them open to targeted collection and harvest-now-decrypt-later attacks. Additionally, visual secret sharing does not detect tampering, allowing attackers to modify shares and threaten the integrity of reconstruction. In this paper, we introduce a new method that turns distracting noise-like secret shares into visually appealing cover images with additional cryptographic tamper detection. The proposed technique works with visual secret sharing and introduces cover images to embed the shares using adaptive least significant bit steganography. Here, cover images with perceptual transparency are used to store secret shares while guaranteeing complete privacy. A two layer authentication using strong digital watermarking and cryptographic hashing is used to protect the integrity of shares. The proposed technique shows high resilience in stopping bit-flipping, cropping, and substitution attacks. Extensive experiments on multiple public face datasets show that the technique shows better FR accuracy, while eliminating share conspicuousness and guaranteeing integrity. The proposed framework sets a new standard for protecting facial data in such a way that privacy, security, and integrity are protected.
- Abstract(参考訳): AIベースの顔認識システムの人気は、トレーニングに使用される敏感なバイオメトリックデータの保護を直接要求している。
視覚的な秘密の共有は興味深いアイデアであり、顔画像をランダムに見える秘密の共有に分割し、多くの機関に広まっている。
しかし、これらの株はノイズのように見え、容易に疑念を呼び起こし、暗号化されたコンテンツとして認識される。
これにより、ターゲットのコレクションと、復号化後の攻撃に開放される。
さらに、ビジュアルシークレット共有は改ざんを検知せず、攻撃者は共有を変更でき、再構築の完全性を脅かすことができる。
本稿では,ノイズ様の秘密共有を視覚的に魅力的な隠蔽画像に変換し,追加の暗号タンパ検出を行う新しい手法を提案する。
提案手法は視覚的秘密共有と連動し,適応最小値のビットステガノグラフィーを用いて共有情報を埋め込むカバー画像を導入する。
ここでは、完全なプライバシーを確保しながら秘密の共有を保持するために、知覚的透明性のあるカバーイメージを使用する。
強いデジタル透かしと暗号ハッシュを用いた2層認証は、共有の整合性を保護するために用いられる。
提案手法は, ビットフリップ, 収穫, 置換攻撃の抑制において高いレジリエンスを示す。
複数の公開顔データセットに対する大規模な実験により、この手法はFRの精度が向上し、共有の顕著さを排除し、整合性を保証する。
提案フレームワークは、プライバシ、セキュリティ、整合性が保護されるように、顔データを保護するための新しい標準を設定する。
関連論文リスト
- Bit-ViP: Leveraging Bit-planes to Preserve Visual Privacy in Images through Obfuscation [8.239190526011933]
本稿では,画像認識タスクの視覚的プライバシを保護するために,新しいビットプレーンベースの画像難読化方式であるBit-ViPを提案する。
Bit-ViPスキームは、革新的なエンドツーエンドの難読化機能を導入して、セキュアで使用可能な画像を生成する。
論文 参考訳(メタデータ) (2026-06-28T14:28:43Z) - StegaFFD: Privacy-Preserving Face Forgery Detection via Fine-Grained Steganographic Domain Lifting [31.12083827891138]
クライアントサーバのフレームワークでは、プライベートな顔データは送信中に傍受されるか、信頼できないサーバによってリークされる。
匿名化、暗号化、歪みなどの従来のプライバシー保護アプローチは、漏洩を部分的に軽減するが、しばしば深刻な意味的歪みをもたらす。
ステガノグラフィーに基づく顔偽造検出フレームワーク(StegaFFD)を提案する。
論文 参考訳(メタデータ) (2026-03-03T11:34:57Z) - 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) - Unveiling Hidden Visual Information: A Reconstruction Attack Against Adversarial Visual Information Hiding [6.649753747542211]
代表的な画像暗号化法は、敵対的視覚情報隠蔽(AVIH)である。
AVIH法では、型I対逆例法は、全く異なるように見えるが、依然としてマシンによって元のものとして認識されている画像を生成する。
本稿では,AVIH暗号方式に対する二重戦略DR攻撃を,生成的対逆損失と(2)拡張的ID損失を取り入れて導入する。
論文 参考訳(メタデータ) (2024-08-08T06:58:48Z) - 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) - 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) - Privacy-Preserving Face Recognition with Learnable Privacy Budgets in
Frequency Domain [77.8858706250075]
本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。
本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
論文 参考訳(メタデータ) (2022-07-15T07:15:36Z) - OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。
本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。
提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文 参考訳(メタデータ) (2022-05-24T11:29:37Z) - InstaHide: Instance-hiding Schemes for Private Distributed Learning [45.26955355159282]
InstaHideは、既存の分散ディープラーニングパイプラインにプラグイン可能な、トレーニングイメージの簡単な暗号化である。
InstaHideは、ランダムに選択された多数のイメージを混ぜた“ワンタイムシークレットキー”で、各トレーニングイメージを暗号化する。
論文 参考訳(メタデータ) (2020-10-06T14:43:23Z) - InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
視覚データに流出した個人情報を個人が制限できる技術について検討する。
我々はこの問題を新しい画像難読化フレームワークで解決する。
提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
論文 参考訳(メタデータ) (2020-05-20T19:48:04Z) - 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。