[論文レビュー] Can we still avoid automatic face detection?

Michael J. Wilber, Vitaly Shmatikov+1 more|arXiv (Cornell University)|Feb 14, 2016

Face recognition and analysis参考文献 19被引用数 5

ひとこと要約

この論文は、画像変換および遮蔽技術を用いて、プライバシー志向のユーザーがFacebook上で自動顔検出を回避できるかどうかを調査している。一般的な対策としてのぼかし、プライバシー用メガネ、画像ノイズがあるが、最先端の検出器はCOFWデータセットにおいても、遮蔽があっても97.8％の顔を検出している。これは、従来の回避手法が現代のシステムに対してほとんど効果を発揮しないことを示している。

ABSTRACT

After decades of study, automatic face detection and recognition systems are now accurate and widespread. Naturally, this means users who wish to avoid automatic recognition are becoming less able to do so. Where do we stand in this cat-and-mouse race? We currently live in a society where everyone carries a camera in their pocket. Many people willfully upload most or all of the pictures they take to social networks which invest heavily in automatic face recognition systems. In this setting, is it still possible for privacy-conscientious users to avoid automatic face detection and recognition? If so, how? Must evasion techniques be obvious to be effective, or are there still simple measures that users can use to protect themselves? In this work, we find ways to evade face detection on Facebook, a representative example of a popular social network that uses automatic face detection to enhance their service. We challenge widely-held beliefs about evading face detection: do our old techniques such as blurring the face region or wearing "privacy glasses" still work? We show that in general, state-of-the-art detectors can often find faces even if the subject wears occluding clothing or even if the uploader damages the photo to prevent faces from being detected.

研究の動機と目的

• 従来のプライバシー保護画像変更が、現代の自動顔検出システムを効果的に回避できるかどうかを評価すること。
• ぼかしや画像ノイズ、プライバシー・バイザーなどの遮蔽技術の、顔検出からの隠蔽効果を評価すること。
• さまざまなごまかし条件における人間と機械の顔検出性能の差を理解すること。
• 顔検出の普及が、リーク防止活動家や活動家らのプライバシーに与える影響を明らかにすること。
• 画像品質を損なわせることなく検出を回避できる実用的な画像ベースの対策を同定すること。

提案手法

• 顔検出への影響をテストするために、ノイズの注入、ぼかし、照明の歪みといったさまざまな合成画像変換を写真に適用した。
• Labeled Faces in the Wild (LFW) および Labeled Faces in the Wild with Faces (COFW) データセット上で、Facebookの顔検出器の性能を評価した。
• 特定の顔のキーポoin（例：鼻、口、目）を遮蔽した場合の検出率を分析し、脆弱な領域を同定した。
• COFWデータセットのキーポイントアノテーションおよび遮蔽フラグを用いて、部分的遮蔽下での検出失敗率を定量化した。
• 赤外線LEDを備えたプライバシー・バイザーを含む、実世界の対策をテストし、検出に対する耐性を評価した。
• 友人の認識モデルを悪用して個人を追跡するなど、ソーシャルネットワークベースの監視乱用の可能性を検討した。

実験結果

リサーチクエスチョン

• RQ1 ぼかしやノイズの注入といった一般的な画像ごまかし技術が、Facebook上で自動顔検出を信頼性高く回避できるか？
• RQ2 プライバシー用メガネやスカーフといった物理的遮蔽は、最先端の顔検出器を効果的に回避できるか？
• RQ3 どの顔の領域を遮蔽すると、現代の顔検出器の検出確率が最も顕著に低下するか？
• RQ4 ソーシャルネットワークがユーザーの認識モデルに暗黙的にアクセスできるようになることで、明示的同意なしに監視が可能になる程度はどの程度か？
• RQ5 視覚的品質を維持したまま検出を回避できる画像の摂動を設計できるか？ これは実用的なプライバシー保護ソリューションを提供する可能性を有する。

主な発見

• Facebookの顔検出器は、COFWトレーニングセットにおいても、顔のキーポイントが遮蔽された状態でも97.8％の顔を検出できた。
• 鼻先が遮蔽された顔のうち61.9％しか検出されなかったため、鼻の遮蔽は最も効果的だが依然として不十分であることが示された。
• 口の遮蔽は目を遮蔽するのよりも検出確率をより顕著に低下させた。これは、顔検出器の脆弱性が顔の部位によって異なることを示唆している。
• 高いレベルの画像ノイズ、ぼかし、照明の歪みがあっても、Facebookの検出器は顔を依然として特定できた。これは、一般的な画像操作に対して高い耐性を示していることを意味する。
• 赤外線LEDを装備したプライバシー・バイザーも、必ずしも効果的ではなかった。Facebookのシステムは、こうした偽装に対しても顔を検出できた。
• 本研究は、人間と機械の顔検出性能の間に顕著な格差があることを明らかにした。機械は人間がほとんど認識できない顔を検出できるのである。