Personalized Privacy Protection Mask Against Unauthorized Facial Recognition

人脸识别技术可能被滥用以侵犯隐私。政府、私营公司甚至个人攻击者都可以通过网络爬虫收集人脸图像，构建一个未经授权的人脸识别系统来识别人脸。本文介绍了Chameleon，它学习生成一种个性化的、以用户为中心的隐私保护面罩，称为P3-Mask，以保护人脸图像免受未经授权的人脸识别攻击，具有三个显著特点。首先，我们使用跨图像优化为每个用户生成一个P3-Mask，而不是为每个用户的每个人脸图像定制面部扰动。这使得即使对于计算资源有限的用户，也能够实现高效和即时的保护。其次，我们结合感知优化，以保留受保护的人脸图像的视觉质量。第三，我们通过将焦点多样性优化的集成学习融入面罩生成过程中，增强了P3-Mask对未知人脸识别模型的鲁棒性。在两个基准数据集上进行的大量实验表明，Chameleon比三种最先进的方法表现更好，具有即时保护和最小的图像质量降低。此外，Chameleon使用P3-Mask作为个性化的去模糊密钥，实现了经济高效的人脸识别授权，并且表现出高度的抗适应性对抗。

Chameleon论文旨在解决面部识别技术可能带来的隐私侵犯问题。作者提出了一种生成个性化隐私保护面具的方法，以保护面部图像免受未经授权的面部识别。

Chameleon使用跨图像优化为每个用户生成一个P3-Mask，而不是为每个用户的每个面部图像定制面部扰动，从而实现高效和即时的保护。同时，作者还将感知度优化和焦点多样性优化集成到面具生成过程中，以提高面部图像的视觉质量和抵抗未知FR模型的鲁棒性。

该论文通过实验验证了Chameleon方法的有效性和优越性，相比三种最先进的方法，Chameleon具有即时保护和最小的图像质量降低。此外，Chameleon方法还可以作为个性化的反遮蔽密钥，实现成本有效的FR授权，并且具有高度的抗适应性攻击能力。

最近在该领域中的相关研究包括：《Adversarial Face De-identification》、《Privacy-Preserving Face Recognition: A Survey》等。