摘要
基于深度学习的人脸识别已经成为现在主流的身份认证技术之一。现有的许多基于深度神经网络的人脸识别模型取得了很好的效果,但是网络结构十分复杂,训练过程困难。人脸识别的攻击方法通过模型的参数获得人脸隐私数据,非法获得访问权限。对抗样本攻击使得人脸识别模型做出错误判断,对安防系统造成威胁。因此,人脸识别中的隐私保护以及安全问题是一个重要的研究方向。为了解决人脸识别的隐私与安全问题,提出了带有隐私保护的人脸识别算法,和抵御对抗样本攻击的防御策略。为了提高隐私保护算法的效率,构建了轻量级人脸识别模型。论文具体研究内容如下:(1)针对现有人脸识别模型网络结构复杂,不易训练的问题,提出一种轻量级的人脸识别算法...
学科与关键词
关键词
人脸识别差分隐私对抗生成网络(GAN)知识转移对抗样本防御去噪器 face recognitiondifferential privacyGenerative Adversarial Networks(GAN)knowledge transferadversarial attack defensedenoiser
文献加载失败,请重试
重试