《電子技術應用》
您所在的位置:首頁 > 通信與網絡 > 設計應用 > 基于差分隱私的面部圖像安全傳播方法研究
基于差分隱私的面部圖像安全傳播方法研究
網絡安全與數據治理
賀春祿1,唐琪2
1.中國科學院文獻情報中心;2.湖南大學
摘要: 人臉數據蘊含豐富身份信息,其隱私泄露問題備受關注。傳統差分隱私方法直接對像素或特征向量整體添加噪聲,導致識別性能下降且缺乏可解釋性。為此,提出一種新型差分隱私方法,將特征嵌入向量結合分類方法設計,創新性地將響應數據轉換為徑向半徑與切向角度兩種形式,更好適配分類中的角度與距離度量。在此基礎上,構建了基于角度與半徑的差分隱私噪聲生成機制,并通過差分隱私組合定理定義隱私預算并進行數學證明。此外,設計了隱私圖像生成方法,通過優化評價函數實現隱私性與可用性的平衡。實驗結果基于三個公開數據集,表明所提方法在徑向與切向方向的組合應用中表現優異,在相同隱私預算下顯著提升了識別性能。該方法實現了隱私保護與分類可用性的兼顧,并在解釋性與性能上展現出顯著優勢。
中圖分類號:TP309文獻標識碼:ADOI:10.19358/j.issn.2097-1788.2025.03.002
引用格式:賀春祿,唐琪. 基于差分隱私的面部圖像安全傳播方法研究[J].網絡安全與數據治理,2025,44(3):8-16.
Research on security dissemination method of facial images based on differential privacy
He Chunlu1,Tang Qi2
1. National Science Library, Chinese Academy of Sciences; 2. Hunan University
Abstract: Face data contains rich identity information, and its privacy leakage has attracted much attention. Traditional differential privacy methods directly add noise to pixels or feature vectors as a whole, resulting in decreased recognition performance and lack of interpretability. Therefore, this paper proposes a new differential privacy method, which combines the feature embedding vector with the classification method design, and innovatively converts the response data into two forms of radial radius and tangential angle, so as to better adapt the angle and distance measurement in classification. On this basis, a differential privacy noise generation mechanism based on angle and radius is constructed, and the privacy budget is defined and mathematically proved by the differential privacy combination theorem. In addition, this paper designs a privacy image generation method to achieve a balance between privacy and availability by optimizing the evaluation function. The experimental results based on three public datasets show that the proposed method performs well in the combined application of radial and tangential directions, and significantly improves the recognition performance under the same privacy budget. This method achieves both privacy protection and classification availability, and shows significant advantages in interpretability and performance.
Key words : differential privacy; face recognition; feature embedding; privacy-preserve

引言

人臉數據包含獨特的身份信息,如瞳距、輪廓和尺寸等生物特征,機器學習技術能夠通過訓練人臉圖像實現精準識別。然而,若人臉數據泄露,不法分子可能重構面部圖像、生成虛擬視頻或規避活體檢測,導致嚴重的隱私風險和經濟損失。隨著人臉識別技術的發展,隱私保護問題日益受到重視。2023年8月,國家網信辦發布《人臉識別技術應用安全管理規定(試行)(征求意見稿)》[1],對人臉識別的應用場景提出具體要求,尤其是針對遠距離、無感式識別技術設定了明確界限。在政策監管加強的背景下,技術層面的隱私保護研究逐漸受到關注。為了有效應對個人信息泄露和數據濫用的風險,不同學者從多元化的角度提出了創新的理論框架與技術手段,包括差分隱私[2-4]、聯邦學習[5]、同態加密[6]、安全多方計算[7]等。這些方法在保障數據隱私的同時,推動了數據共享與協作的實踐進步。其中,差分隱私作為一項重要的隱私保護技術,在防御推理攻擊和模型提取攻擊方面展現了顯著的潛力。然而,在面部圖像保護領域,其應用仍面臨諸多挑戰。現有方法在隱私性與可用性之間難以有效平衡,主要包括像素處理方法和特征向量處理方法的局限性。

本文基于差分隱私機制,提出一種契合圖像識別特點的隱私保護方法,主要貢獻包括:(1)提出基于徑向距離與切向方向的差分隱私方法,并設計噪聲生成機制以適配角度度量和歐式距離度量的分類需求;(2)提出隱私圖像生成方法,通過簡單的圖像遮罩操作,將特征嵌入向量轉化為滿足差分隱私的特征表示;(3)構建隱私預算的度量方法,結合數學證明驗證算法的隱私性及有效性,并在公開數據集上進行實驗驗證。

 

本文詳細內容請下載:

http://www.xxav2194.com/resource/share/2000006371


作者信息:

賀春祿1,唐琪2

(1.中國科學院文獻情報中心,北京100190;

2.湖南大學,湖南長沙410082)


Magazine.Subscription.jpg

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 校园亚洲春色另类小说合集| 美女被爆羞羞视频网站视频 | 午夜视频久久久久一区| 18岁女人毛片| 宝宝看着我是怎么进去的视频| 久久精品国产亚洲AV高清热| 欧美色视频在线观看| 午夜精品久久久久久99热| 丁香六月色婷婷| 国产青榴视频在线观看| 一级毛片一级毛片一级级毛片| 日韩欧美亚洲视频| 亚洲欧洲一区二区三区| 精品久久久久久国产| 国产亚洲成归v人片在线观看| 你懂得的在线观看免费视频| 天堂资源最新在线| 中文字幕久精品免费视频| 日韩精品视频免费观看| 亚洲日韩一页精品发布| 男女性杂交内射女BBWXZ| 国产一级高清视频免费看| 欧美丰满白嫩bbwbbw| 国产高清在线精品一区| 一区二区三区免费高清视频| 日本一道在线观看| 亚洲av无码专区国产乱码不卡| 浮力影院第一页小视频国产在线观看免费 | 亚洲欧美日韩综合一区| 稚嫩娇小哭叫粗大撑破h| 国产一级在线免费观看| 久久久久久久性| 国产综合色在线精品| chinese精品男同志浪小辉| 成人午夜app| 久久久久久久久久国产精品免费| 最近最新中文字幕6页| 亚洲影视一区二区| 波多野结衣在线看片| 免费人成无码大片在线观看| 美女尿口免费影视app|