人脸识别技术已经在身份验证、访问控制和犯罪追踪等方面带来了巨大好处。与此同时，因个人面部数据的过度收集和滥用，全球对隐私问题的担忧日益升温。一方面，为了满足安全需求并提高社会便利性，维护有效的人脸识别系统是符合公共利益的。另一方面，公众对于分享人脸等生物识别数据表现出不断增长的抵触情绪。然而，实现人脸识别的可用性与隐私性之间的合理平衡是一项极具挑战的问题，因为它涉及到视觉分析对数据获取的必要性与视觉信息保护的直接矛盾。
图1 与传统保护隐私人脸识别（PPFR）与可识别匿名化（IDFA）等不同范式的对比示意图
对此，本文提出一种名为PRO-Face C的隐私保护人脸识别新范式，通过一种端云协同特征补偿的机制实现对模糊化人脸的高精度识别，旨在最大化平衡视觉隐私性与识别可用性，并在一定程度上保留隐私保护图像的视觉可用性。该方法采用了客户端-服务器架构（如图2所示）：客户端通过轻量级的模型获取并向服务器传输模糊图像和一组保留隐私的辅助特征图，而服务器端则利用一个嵌入了特征补偿模块的预训练人脸识别模型对模糊图像实现高精度身份识别。为进一步提升隐私保护性能，本文提出了混合模糊（hybrid obfuscation）与基于块的特征图通道乱置（patch-wise channel permutation），以降低原始人脸的视觉可见性与重建攻击的质量。此外，为了尽可能满足通用性需求，本方法仅依赖预训练的人脸识别模型来构建，并采用了特征图量化、剪枝等一些方法降低通信开销。综上，本方法在不贡献清晰人脸图像的情况下实现了接近清晰人脸识别的准确率（部分实验结果见表1），并尽最大可能实现了系统部署与应用层面的通用性。在多个公开数据集上的实验结果也验证了本方法在隐私保护、人脸识别、预防重建攻击、以及降低通信开销等方面的效果。
图2 PRO-Face C架构示意图
表1 本方法与主流人脸识别（FR）以及隐私保护人脸识别（PPFR）方法的性能对比
论文信息
相关论文已发表于IEEE Transactions on Information Forensics and Security，作者包含：重庆邮电大学的袁霖、陈武、蒲晓、张颜、李红波、高新波；南京航空航天大学张玉书；洛桑联邦理工学院教授、国际图像标准组织JPEG主席Touradj Ebrahimi。
Lin Yuan, Wu Chen, Xiao Pu, Yan Zhang, Hongbo Li, Yushu Zhang, Xinbo Gao, Touradj Ebrahimi, "PRO-Face C: Privacy-preserving Recognition of Obfuscated Face via Feature Compensation," in IEEE Transactions on Information Forensics and Security, doi: 10.1109/TIFS.2024.3388976.
https://ieeexplore.ieee.org/document/10499238
供稿：袁霖，重庆邮电大学网络空间安全与信息法学院
声明：本文来自隐者联盟，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
