跳到正文
arXiv · 机器人与计算机视觉· Tunahan Parlay{\i}c{\i}, Erchan Aptoula, Y\"ucel Sayg{\i}n·· 12 小时前精选AI 评分82

Wrong Input, Wrong Threshold:重新评估对抗性面部隐私

Wrong Input, Wrong Threshold: Re-evaluating Adversarial Facial Privacy

AI 导读

该论文发现现有面部隐私保护方法的评测结果存在缺陷:输入端直接喂入整图或检测框而非对齐裁剪,导致防御效果被高估;阈值设定沿用旧标准,在整图上产生偏差。作者通过引入可微分对齐算子并修正评分方式,在不重新生成图像的情况下,将转移攻击的规避保护降低了 56%,预算分配攻击降低 7%。实验显示,修正后的方法在三个未见识别器上性能提升显著,且改变了 L-infinity 转移攻击的排名顺序。

推荐理由

文章指出既有面部隐私评测因输入与阈值设定错误而高估了防护效果,并给出可复用的修正方法与实验数据。

来源:arXiv · 机器人与计算机视觉 · arxiv.org