企业官网建设流程全解析

曼朗策划网站建设,阳泉网站建设费用,济南互联网选号网站,桥头做网站四、人脸去标识化#xff08;Face De-identification#xff09;针对数据保护条例#xff0c;未经授权不可使用他人信息。因此将采集的数据集实施人脸匿名#xff0c;改变其面部特征敏感信息#xff0c;使其可以使用#xff0c;规避产权纠纷。在人脸隐私保护中#xff0…四、人脸去标识化Face De-identification针对数据保护条例未经授权不可使用他人信息。因此将采集的数据集实施人脸匿名改变其面部特征敏感信息使其可以使用规避产权纠纷。在人脸隐私保护中去标识化是比反人脸识别更为系统的一类研究其目标是降低或消除身份可识别性同时尽可能保留其他有用信息表情、姿态、属性等4.1 不可逆与可逆两类范式现有方法大致可分为两类不可逆去标识化通过模糊、遮挡或特征破坏实现匿名难以恢复原始图像可逆去标识化低权限用户只能看到匿名结果高权限用户可通过密钥恢复原始身份后者在司法取证、医疗数据共享等场景中具有更高实用价值。第一类改变id特征 第二类破坏面部隐写实现可逆。Li T, Choi M S. DeepBlur: A simple and effective method for natural image obfuscation[J]. ar**v preprint ar**v:2104.02655, 2021, 1: 3.4.2 特征级操作与身份解纠缠部分方法通过对潜在特征进行解纠缠将身份信息与属性信息分离仅对身份相关特征进行扰动或加密从而实现“身份匿名、属性保留”。这类方法通常具有生成结果自然可控性较强易于与下游任务结合1、DeepBlur: A Simple and Effective Method for Natural Image Obfuscation对潜在特征表示进行不同核大小的滤波处理使得不同核大小分别对应不同的匿名程度。 优化该潜在特征表示使其能够通过生成模型来生成几乎一致的人脸。Li T, Choi M S. DeepBlur: A simple and effective method for natural image obfuscation[J]. ar**v preprint ar**v:2104.02655, 2021, 1: 3.2、Identitydp: Differential private identification protection for face images将特征解纠缠为属性特征和身份特征 改变身份特征差分隐私加入拉普拉斯噪声保持属性特征从而实现真实合理的身份匿名。Wen Y, Liu B, Ding M, et al. Identitydp: Differential private identification protection for face images[J]. Neurocomputing, 2022, 501: 197-211.3、Personalized and invertible face de-identification by disentangled identity information manipulation身份改变将身份特征向量旋转改变相位。 正向实现身份匿名逆向实现身份恢复。Cao J, Liu B, Wen Y, et al. Personalized and invertible face de-identification by disentangled identity information manipulation[C]//Proceedings of the IEEE/CVF international conference on computer vision. 2021: 3334-3342.4、RiDDLE: Reversible and Diversified De-identification with Latent EncryptorStyleGAN编解码器参数固定不参与训练对编码器提取的潜在表示进行加密编码以实现匿名加密方式对潜在表示进行采样得到秘钥用过二者交叉注意力的方式加密解密方式与加密一致加密器的特点对原特征交叉注意力即加密再对加密特征交叉注意力即为解密整个网络只训练中间的latent encryptor 没有人脸数据时依旧可以执行训练可用随机生成的latent code训练。Li D, Wang W, Zhao K, et al. Riddle: Reversible and diversified de-identification with latent encryptor[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2023: 8093-8102.4.3 隐写思想在去标识化中的应用近年来一类具有代表性的工作将隐写机制引入去标识化框架中表面上生成一个已匿名的人脸图像实际上将原始人脸信息隐写其中仅在持有正确密钥时才能恢复这种设计将去标识化、隐写、可逆恢复有机结合体现了深度学习图像隐私保护向系统化与分级授权方向的发展趋势。1、Reversible Privacy-Preserving Recognition接收端攻击者接收到马赛克图像低权限用户接收到同样的马赛克图像但可实现表情识别高权限用户可恢复出原图利用图像隐写思想将原图隐写至马赛克图像中马赛克图像和保护图像视觉一致为何不直接用马赛克图像传播因为马赛克图像丢失了原图的信息要用编码器隐写原图信息便于恢复阶段实现逼真恢复方案中预设了表情识别功能目的是证明该方法的保护图像虽然看不到人脸但仍可以用于CV任务。2、PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow利用图像隐写思想将原图隐写至马赛克图像中便于恢复原图INN:正向输入原图与预模糊图像得到与预模糊图像视觉一致的保护图像隐写逆向恢复出原图秘钥拼接至每个SACB模块中的特征上因此只有秘钥相同时才能恢复出正确的原图网络采用频域输入像素域嵌入信息会导致伪影和信息覆盖而频域尤其高频带嵌入信息影响较小 对比损失拉进正确秘钥恢复图像与原图的距离推远错误秘钥下恢复图像与原图的距离。Yuan L, Liang K, Pu X, et al. PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow[J]. arXiv preprint arXiv:2307.09146, 2023.3、Invertible mask network for face privacy preservation利用现有网络生成mask face属性不变id被替换 与上一篇类似利用图像隐写思想将原图隐写至mask图像中便于恢复原图 INN:正向输入原图与mask图像得到与预模糊图像视觉一致的保护图像隐写逆向恢复出原图Yang Y, Huang Y, Shi M, et al. Invertible mask network for face privacy preservation[J]. Information Sciences, 2023, 629: 566-579.利用现有网络生成mask face属性不变id被替换 Face enhancing同样是现有的超分网络 生成的mask face作为隐写载体。Chen R, Chen X, Ni B, et al. Simswap: An efficient framework for high fidelity face swapping[C]//Proceedings of the 28th ACM international conference on multimedia. 2020: 2003-2011.Yang T, Ren P, Xie X, et al. Gan prior embedded network for blind face restoration in the wild[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2021: 672-681.五、属性隐私Attributes Privacy生物识别属性泄露被用于推断个人敏感信息。 如果仅考虑个别生物识别属性当只隐藏少量属性时仍能从大部分未隐藏属性中推断出隐藏属性。 原始的属性信息在某些场景下仍有作用隐藏方法有时需支持可逆性恢复。保护属性隐私原图与混淆图像中提取到的属性标签不一致保护id可用性原图与混淆图像经过人脸识别网络仍能匹配差异性不同秘钥生成的保护图像也不同可逆性正确的秘钥可恢复出原始图像而错误秘钥可恢复出自然的错误的人脸视觉真实性混淆图像与恢复图像视觉上是真实图像。相比身份信息属性隐私如性别、年龄、种族等往往更加隐蔽但同样可能被深度模型准确推断。属性隐私保护面临的主要挑战包括属性之间存在高度相关性隐藏部分属性后仍可能被间接推断某些属性在实际应用中仍具有使用价值因此属性隐私保护通常需要满足指定属性发生改变身份信息保持一致图像视觉自然在必要时支持可逆恢复近年来结合条件生成、对抗训练以及语义敏感区域分析的方法逐步提升了属性隐私保护的精细化程度。1、PrivacyNet: Semi-adversarial networks for multi-attribute face privacyA部分将目标属性和原图经生成器生成保护图像在保护过程中鉴别器约束保护图像视觉自然且一致属性分类器约束生成器定向根据输入的目标属性改变属性面部匹配器约束保护图像依旧保留id B部分通过循环一致性约束反向恢复。Mirjalili V, Raschka S, Ross A. PrivacyNet: Semi-adversarial networks for multi-attribute face privacy[J]. IEEE Transactions on Image Processing, 2020, 29: 9400-9412.2、RAPP: Reversible privacy preservation for various face attributes‏Zhang Y, Wang T, Zhao R, et al. RAPP: Reversible privacy preservation for various face attributes[J]. IEEE Transactions on Information Forensics and Security, 2023.左边网络对图像进行加密保护属性右边网络解密恢复出原图像。AO模块用产生的二进制密码通过异或改变原始属性标签a得到属性标签b 在保护过程中属性标签b拼接至z作用在潜在特征上改变属性 恢复过程中原始属性标签a作用至生成器的潜在特征中恢复属性 分类器约束保护图像的属性与标签属性一致实现属性改变 鉴别器约束保护图像视觉自然 面部匹配器约束保护图像依旧保留id3、Privacy-Enhancing Face Obfuscation Guided by Semantic-Aware Attributions Maps左边利用夏普利值算法确定免不得不同区域对人脸识别任务的敏感性有无该区域时FR成功的概率变化 不同人的id敏感区域不同为降低计算将值的差异较小的像素聚为一类计算一次 右边输入目标属性、id敏感区域分割图二者充当条件变量以及原图像进行属性保护。Li J, Zhang H, Liang S, et al. Privacy-enhancing face obfuscation guided by semantic-aware attribution maps[J]. IEEE Transactions on Information Forensics and Security, 2023.左边利用StyleGAN2进行人脸转换实现属性隐私保护 右边三类损失约束属性改变而id不变 属性损失从概率分布上约束二者不一致 形状损失约束二者对敏感区域的面部解析结果一致 身份损失局部和全局角度约束身份id不变。Li J, Zhang H, Liang S, et al. Privacy-enhancing face obfuscation guided by semantic-aware attribution maps[J]. IEEE Transactions on Information Forensics and Security, 2023.