10.3969/j.issn.1673-5862.2023.03.017
基于卷积神经网络的人脸图像隐私保护
针对现有基于深度生成网络模型的人脸图像隐私保护方法无法提供可证明隐私保证、合成图像与原始图像保持语义一致性的问题,提出一种基于卷积神经网络的人脸图像隐私保护方法.该方法首先基于卷积自动编码器和差分隐私实现人脸图像的预训练,对原始人脸图像进行解耦和身份信息的差分隐私保护;然后利用卷积生成对抗网络合成伪图像代替原始图像发布,在保留原始人脸图像的关键特征的基础上,生成与原始图像的关键人脸属性高度匹配的伪图像.该方法可保证合成图像与原始图像语义一致性,并提供可证明的隐私保证.与现有的基于深度生成模型人脸图像隐私方法相比,所提出的方法达到了更好的隐私保护与数据可用性之间的优化权衡.
生成对抗网络、自动编码器、差分隐私、人脸图像、隐私保护
41
TP309.2(计算技术、计算机技术)
国家自然科学基金62001032
2023-10-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
280-288