[論文レビュー] AnonymousNet: Natural Face De-Identification with Measurable Privacy

Tao Li, Lei Lin|arXiv (Cornell University)|Apr 19, 2019

Face recognition and analysis参考文献 59被引用数 13

ひとこと要約

AnonymousNet は、顔の属性推定、プライバシー指標駆動型のぼかし処理、GAN を用いた画像生成、および adversarial パerturbations を組み合わせることで、自然で写真のようにリアルな顔の脱識別を実現する四段階のディーブラーニングフレームワークである。本手法は、k-匿名性や t-クロージネスといった形式的指標を用いて測定可能で制御可能なプライバシーを実現しながら、最先端の画像品質を達成する。

ABSTRACT

With billions of personal images being generated from social media and cameras of all sorts on a daily basis, security and privacy are unprecedentedly challenged. Although extensive attempts have been made, existing face image de-identification techniques are either insufficient in photo-reality or incapable of balancing privacy and usability qualitatively and quantitatively, i.e., they fail to answer counterfactual questions such as "is it private now?", "how private is it?", and "can it be more private?" In this paper, we propose a novel framework called AnonymousNet, with an effort to address these issues systematically, balance usability, and enhance privacy in a natural and measurable manner. The framework encompasses four stages: facial attribute estimation, privacy-metric-oriented face obfuscation, directed natural image synthesis, and adversarial perturbation. Not only do we achieve the state-of-the-arts in terms of image quality and attribute prediction accuracy, we are also the first to show that facial privacy is measurable, can be factorized, and accordingly be manipulated in a photo-realistic fashion to fulfill different requirements and application scenarios. Experiments further demonstrate the effectiveness of the proposed framework.

研究の動機と目的

• 既存の顔の脱識別手法におけるプライバシーと使いやすさの間の定量的・定性的なバランスの欠如に対処すること。
• k-匿名性、l-多様性、t-クロージネスといった形式的プライバシー指標を、顔のぼかしの文脈で形式化することで、顔のプライバシーを測定可能にすること。
• 意味的属性を保持しながらも、識別可能性を失った写真のようにリアルな画像を生成すること。
• 普遍的な adversarial パーティクルを用いて、悪意あるディープラーニング検出器に対する耐性を高めること。
• アプリケーション固有の要件に基づいて、プライバシー水準を調整可能な制御可能なフレームワークを提供すること。

提案手法

• 顔の属性推定に深層畳み込みニューラルネットワーク（CNN）を用い、性別、年齢、髪の色といった意味的特徴を抽出する。
• k-匿名性や t-クロージネスといった形式的プライバシー定義に基づいて、機微な属性を変更するプライバシー指標指向の属性選択メカニズムを適用する。
• 残差ブロックと逆畳み込みを用いた GAN ベースの生成器を採用し、識別可能性を失ったが意味的属性を保持した写真のようにリアルな顔を合成する。
• リアルな画像生成を実現するため、PatchGAN 判別器を用い、パッチ単位の二値分類（本物／偽物）を実施する。
• 外部のディープラーニング検出器の性能を低下させるために、普遍的な adversarial パーティクルを導入する。
• すべての段階をエンドツーエンドのフレームワークに統合し、制御可能で測定可能かつ自然な顔の脱識別を実現する。

実験結果

リサーチクエスチョン

• RQ1 画像ぼかしの文脈において、k-匿名性や t-クロージネスといった形式的プライバシー指標を用いて、顔のプライバシーを測定・定量化できるか？
• RQ2 ディープラーニングフレームワークは、使いやすさを保ちつつ識別可能性を失った写真のようにリアルな顔の脱識別画像を生成できるか？
• RQ3 adversarial パーティクルは、ディープラーニングベースの顔認識システムに対する耐性をどの程度高められるか？
• RQ4 異なる顔の属性は、それぞれどの程度識別されやすいのか？この知見は、原理的プライバシー制御のための手がかりとなるか？
• RQ5 本フレームワークは、測定可能な結果を得ながら、多様な応用シナリオにおいてプライバシー水準を調整可能にサポートできるか？

主な発見

• AnonymousNet は、ぼかし、画素化、マスク、穴埋め処理の手法を上回る最先端の画像品質を達成し、PSNR が 20.079、SSIM が 0.7894、MS-SSIM が 0.8650 を記録した。
• フレームワークは、視覚的比較や定性的な結果からも示されるように、人間の認知に自然な外観を保ちながら顔の脱識別を成功させた。
• 導入された adversarial パーティクルは、拡大しても視覚的にほとんど見えず、周囲の認識に与える影響が最小限であることが示された。
• k-匿名性や t-クロージネスといった形式的指標を用いて、ユーザーがプライバシー水準を制御可能にすることで、測定可能なプライバシーを実現した。
• フレームワークは、性別や髪の色、口紅の色の変更を制御可能であり、眼の大きさといった一貫した属性を脱識別ペア間で維持した。
• 実験により、本手法はプライバシーと使いやすさのバランスを図ることができ、『今、プライバシー保護されているか？』や『どの程度プライバシー保護されているか？』といった反事実的質問に答えることができた。