論文の概要: GhostFaceMPC: Privacy-Preserving Face Recognition with Multi-Party Computation

• arxiv url: http://arxiv.org/abs/2610.29987v1
• Date: Wed, 21 Oct 2026 16:28:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.409312
• Title: GhostFaceMPC: Privacy-Preserving Face Recognition with Multi-Party Computation
• Title（参考訳）: GhostFaceMPC:マルチパーティ計算によるプライバシ保護型顔認識
• Abstract要約: GhostFaceMPCは、最初のエンドツーエンドでプライバシー保護された顔認識システムである。 深層畳み込みニューラルネットワーク抽出器とマッチングをセキュアなマルチパーティ計算で評価する。
• 参考スコア（独自算出の注目度）: 1.7842332554022695
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Facial recognition has become central to modern authentication systems, security frameworks, and personalized services. However, its widespread adoption is hindered by severe privacy risks, particularly surrounding unauthorized access to sensitive biometric data. To address these challenges, this paper presents GhostFaceMPC, the first end-to-end, privacy-preserving face recognition system to evaluate a deep convolutional neural network extractor and matching under secure multi-party computation. GhostFaceMPC enables secure processing of facial data across all stages of a face recognition process, from feature extraction and storage to matching, without exposing raw images or biometric embeddings at any stage. We introduce a multi-party computation-friendly quantization of the GhostFaceNet model and circuit optimizations that make face recognition under multi-party computation practical. The code is available at https://github.com/crypto-unict/GhostFaceMPC.
• Abstract（参考訳）: 顔認識は、現代の認証システム、セキュリティフレームワーク、パーソナライズされたサービスの中心となっている。 しかし、その普及はプライバシーの深刻なリスク、特に機密性のある生体データへの不正アクセスによって妨げられている。 これらの課題に対処するため、GhostFaceMPCは、ディープ畳み込みニューラルネットワーク抽出器の評価と、セキュアなマルチパーティ計算下でのマッチングを行う、最初のエンドツーエンドのプライバシ保護顔認識システムである。 GhostFaceMPCは、特徴抽出やストレージからマッチングまで、顔認識プロセスの全段階にわたって、生画像やバイオメトリックな埋め込みを公開することなく、顔データのセキュアな処理を可能にする。 本稿では,GhostFaceNetモデルの多要素計算フレンドリな量子化と,多要素計算による顔認識を実現する回路最適化を提案する。 コードはhttps://github.com/crypto-unict/GhostFaceMPCで公開されている。

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)
• CryptoFace: End-to-End Encrypted Face Recognition [22.987960798268105]
  顔認識は多くの認証、セキュリティ、パーソナライズされたアプリケーションの中心である。 しかし、プライバシーの重大なリスク、特に機密性のある生体データへの不正アクセスに悩まされている。 本稿では,完全同相暗号(FHE)を用いた最初のエンドツーエンドの顔認識システムであるCryptoFaceを紹介する。 顔認識プロセスのすべてのステージ — 機能抽出、ストレージ、マッチング — において、生の画像や特徴を公開せずに、顔データのセキュアな処理を可能にする。
  論文  参考訳（メタデータ） (2025-08-30T03:11:54Z)
• Secure and Efficient UAV-Based Face Detection via Homomorphic Encryption and Edge Computing [19.8178193448669]
  高解像度の画像と洗練されたニューラルネットワークは、動的環境における正確な顔認識を可能にする。 プライバシーの懸念は、UAVの広範な監視能力から生じる。 HEと高度なニューラルネットワークを統合して顔データを保護する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-14T02:07:08Z)
• Pura: An Efficient Privacy-Preserving Solution for Face Recognition [21.52988320674215]
  そこで我々はPuraという顔認識のための効率的なプライバシー保護ソリューションを提案する。 Puraは個人の顔のプライバシーを保護し、暗号化されたデータに対する顔認識を効率的にサポートする。 Puraは、最先端技術よりも最大16倍高速な認識を実現する。
  論文  参考訳（メタデータ） (2025-05-21T12:50:25Z)
• Privacy-Preserving Face Recognition in Hybrid Frequency-Color Domain [16.05230409730324]
  顔画像は、各ユーザのアイデンティティ情報に関連付けられた、敏感なバイオメトリック属性である。 本稿では,顔認識の入力次元を低減するために,ハイブリッド周波数-カラー融合法を提案する。 1:Nの検証シナリオの最先端よりも約2.6%から4.2%高い精度を持つ。
  論文  参考訳（メタデータ） (2024-01-24T11:27:32Z)
• DuetFace: Collaborative Privacy-Preserving Face Recognition via Channel Splitting in the Frequency Domain [23.4606547767188]
  DuetFaceは、周波数領域における協調推論を利用するプライバシー保護の顔認識手法である。 提案手法は、保護されていないArcFaceと同等の認識精度とコストを達成し、最先端のプライバシ保存手法より優れている。
  論文  参考訳（メタデータ） (2022-07-15T08:35:44Z)
• 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)
• 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。