3D-Aware Adversarial Makeup Generation for Facial Privacy Protection

要約

ソーシャルメディア上の顔データのプライバシーとセキュリティは、不正アクセスや個人識別に対して脆弱であるため、前例のない課題に直面しています。
この問題を解決するための一般的な方法は、元のデータを変更して、悪意のある顔認識 (FR) システムによって認識されないようにすることです。
ただし、既存の方法で得られるこのような「敵対的な例」は、通常、転送性が低く、画質が劣るため、現実世界のシナリオでのこれらの方法の適用が大幅に制限されます。
この論文では、3D-Aware Adversarial Makeup Generation GAN (3DAM-GAN) を提案します。
これは、身元情報を隠すための合成化粧品の品質と転写性を向上させることを目的としています。
具体的には、新しいメイクアップ調整モジュール (MAM) とメイクアップ転送モジュール (MTM) で構成される UV ベースのジェネレーターは、人間の顔の対称的な特徴を利用してリアルで堅牢なメイクアップをレンダリングするように設計されています。
さらに、ブラックボックスモデルの転送可能性を高めるために、アンサンブルトレーニング戦略を備えたメイクアップ攻撃メカニズムが提案されています。
いくつかのベンチマーク データセットに関する広範な実験結果は、3DAM-GAN が、公開されている最先端のモデルと商用の顔検証 API (Face++、Baidu、Aliyun など) の両方を含むさまざまな FR モデルから顔を効果的に保護できることを示しています。

要約(オリジナル)

The privacy and security of face data on social media are facing unprecedented challenges as it is vulnerable to unauthorized access and identification. A common practice for solving this problem is to modify the original data so that it could be protected from being recognized by malicious face recognition (FR) systems. However, such “adversarial examples” obtained by existing methods usually suffer from low transferability and poor image quality, which severely limits the application of these methods in real-world scenarios. In this paper, we propose a 3D-Aware Adversarial Makeup Generation GAN (3DAM-GAN). which aims to improve the quality and transferability of synthetic makeup for identity information concealing. Specifically, a UV-based generator consisting of a novel Makeup Adjustment Module (MAM) and Makeup Transfer Module (MTM) is designed to render realistic and robust makeup with the aid of symmetric characteristics of human faces. Moreover, a makeup attack mechanism with an ensemble training strategy is proposed to boost the transferability of black-box models. Extensive experiment results on several benchmark datasets demonstrate that 3DAM-GAN could effectively protect faces against various FR models, including both publicly available state-of-the-art models and commercial face verification APIs, such as Face++, Baidu and Aliyun.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google