跳到正文
原文

错误的输入,错误的阈值:重新评估对抗式人脸隐私

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

arXiv:其他 AI 安全论文· arXiv:2611.21923· Tunahan Parlayıcı, Erchan Aptoula, Yücel Saygın·本站收录· 2 天前· 原文发表攻击· 扫描记录里的位置 →
AI 导读

论文重新评估已发表的对抗式人脸隐私方法,指出其报告的90%以上黑盒保护率来自有缺陷的评测协议。按部署系统真实的检测、对齐、裁剪前端重新计分,标准迁移攻击损失56%的躲避保护,预算分配攻击损失7%;原指标会饱和,作者提出阈值在代数上相消的成对余弦位移,测得输入缺陷在三个未见识别器上大2.2倍和10.7倍,同等预算下逆转L-infinity迁移排名。缺陷根源是重采样失配而非裁剪外扰动丢失,经可微对齐算子优化基本消除,在未见识别器与一个商用系统上提升24至58个百分点,其中一个仍有残余。2021年沿袭的四个阈值常数在对齐裁剪上使误接受率保持在名义1%附近,在整图上却放宽到2.3-5.4%,且在躲避与冒充任务上偏置符号相反。

阅读原文arxiv.org