BriefGPT - AI 论文速递
·
Combining Local Features and Random Anonymization: A Revolutionary Privacy-Preserving Face Recognition Black Box Model
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种隐私保护人脸识别（PPFR）方法，解决了黑箱模型推广和对抗学习的影响。通过扰动全局特征和增强局部特征，识别准确率达到94.21%，在隐私保护和抗重构能力上优于现有方法。
🎯
关键要点
- 本研究提出了一种隐私保护人脸识别（PPFR）方法。
- 该方法解决了黑箱模型推广和对抗学习的影响。
- 通过扰动全局特征和增强局部特征，识别准确率达到94.21%。
- 在隐私保护和抗重构能力上优于现有方法。
- 现有方法难以推广到黑箱人脸识别模型。
- 对抗学习容易导致匿名化反转。
- 采用不可逆随机注入的对抗学习方法确保匿名化的随机性。
➡️
