論文の概要: Toward Interpretable Privacy Guarantees in Face-Swapping Anonymization

• arxiv url: http://arxiv.org/abs/2608.25750v1
• Date: Wed, 26 Aug 2026 12:59:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.831945
• Title: Toward Interpretable Privacy Guarantees in Face-Swapping Anonymization
• Title（参考訳）: フェーススワッピング匿名化における解釈可能なプライバシ保証に向けて
• Abstract要約: 顔のスワッピングは、顔以外のコンテキストを維持しながら、対象者の外観をドナーの外観に置き換える。 これは、なぜ漏洩が起こるのか、それを予測できるのか、というより深い疑問を提起する。 本稿では,顔認識をアイデンティティの埋め込み空間の変換として扱う線形モデルを提案する。
• 参考スコア（独自算出の注目度）: 1.8152661107325752
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Face-swapping has emerged as a promising approach to facial privacy protection, replacing a target individual's appearance with that of a donor while preserving non-facial context. The resulting images visually resemble the donor, and face recognition systems tend to suppress the target's match scores -- ostensibly satisfying privacy requirements. Empirical evaluation across a range of face-swapping models, however, reveals that significant target identity leakage still occurs. This raises a deeper question: why does leakage occur, and can it be predicted? We propose a linear stochastic model that treats face-swappers as transformations on the space of identity embeddings, providing an interpretable account of the leakage mechanism. The model is fit to empirical observations and used to derive testable predictions. The aim is to ground privacy assessments in principled, interpretable analysis, thus making formal privacy guarantees explainable -- and perfectible -- rather than purely observational.
• Abstract（参考訳）: 顔のスワッピングは、顔のプライバシー保護に対する有望なアプローチとして現れ、顔以外のコンテキストを維持しながら、対象者の外観をドナーのものと置き換えている。 結果として得られる画像はドナーに似ており、顔認識システムはターゲットのマッチスコアを抑える傾向がある。 しかし、様々なフェイススワッピングモデルに対する実証的な評価は、重要なターゲットIDリークがまだ発生していることを示している。 これは、なぜ漏洩が起こるのか、それを予測できるのか、というより深い疑問を提起する。 本稿では, 顔認識をアイデンティティ埋め込み空間の変換として扱う線形確率モデルを提案し, 漏洩機構の解釈可能な説明を提供する。 このモデルは経験的な観察に適合し、検証可能な予測を導出するために使用される。 プライバシー評価を原則として解釈可能な分析で基礎づけることが目的だ。

関連論文リスト

• 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)
• Confidential Guardian: Cryptographically Prohibiting the Abuse of Model Abstention [65.47632669243657]
  不正直な機関は、不確実性の観点からサービスを差別または不正に否定する機構を利用することができる。 我々は、ミラージュと呼ばれる不確実性誘導攻撃を導入することで、この脅威の実践性を実証する。 本研究では,参照データセット上のキャリブレーションメトリクスを分析し,人工的に抑制された信頼度を検出するフレームワークであるConfidential Guardianを提案する。
  論文  参考訳（メタデータ） (2025-05-29T19:47:50Z)
• 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)
• 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 Face Recognition Using Random Frequency Components [46.95003101593304]
  顔認識によってプライバシーの懸念が高まっている。 人間の知覚可能な低周波成分を抽出することで視覚情報を隠蔽することを提案する。 得られた知見を,プライバシ保護のための新しい顔認識手法であるPartialFaceに抽出する。
  論文  参考訳（メタデータ） (2023-08-21T04:31:02Z)
• 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)
• GANonymization: A GAN-based Face Anonymization Framework for Preserving Emotional Expressions [43.017036538109274]
  GANonymizationは、表情保存能力を持つ新しい顔匿名化フレームワークである。 提案手法は, 顔の高レベル表現をベースとして, GAN(Generative Adversarial Network)に基づく匿名化バージョンに合成する。
  論文  参考訳（メタデータ） (2023-05-03T14:22:48Z)
• RAF: Recursive Adversarial Attacks on Face Recognition Using Extremely Limited Queries [2.8532545355403123]
  近年の顔認識に対する敵対的攻撃の成功は、顔認識モデルの顕著な進歩にもかかわらず、認識と認識のための人間の知性にはまだ及ばないことを示している。 本稿では,ターゲットモデルを騙すために,極めて限られたクエリ数を必要とする自動顔整形を提案する。 決定に基づくブラックボックス攻撃設定における提案手法のロバスト性を評価する。
  論文  参考訳（メタデータ） (2022-07-04T00:22:45Z)
• An Attack on Feature Level-based Facial Soft-biometric Privacy Enhancement [13.780253190395715]
  特徴レベルに基づく顔ソフトバイオメトリック・プライバシ・エンハンスメント技術に対する攻撃を導入する。 プライバシーの強化を回避することができ、性別を最大90%の精度で正しく分類することができる。
  論文  参考訳（メタデータ） (2021-11-24T10:41:15Z)
• Why Should I Trust a Model is Private? Using Shifts in Model Explanation for Evaluating Privacy-Preserving Emotion Recognition Model [35.016050900061]
  本稿では,モデルの有効性を評価するために解釈可能な手法を用いることに焦点をあてる。 プライバシーを守るための一般的な方法が、プライバシー保護の人間の認識とどのように一致しないかを示します。 評価者の傾きを評価し、特定のタスクのモデルを選択するためのクラウドソーシング実験を行います。
  論文  参考訳（メタデータ） (2021-04-18T09:56:41Z)

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。