アイデンティティを識別できないようにする: 証明可能なプライバシー保証を備えた有用性のある顔データセットの公開

科学分野:

• コンピュータ科学
• 人工知能
• データのプライバシー

背景:

• パーソナルデバイスの普及により 顔の画像データセットが広がり 視覚モデルの開発に不可欠です
• 機密情報に関するプライバシーの懸念は,これらの貴重な顔のデータセットの共有と利用を妨げています.
• 現存する顔画像の非識別方法は 証明可能なプライバシーの保証を提供できず,アイデンティティの相関性や画像の自然性などの重要なデータセットのユーティリティを劣化させます.

研究 の 目的:

• アイデンティティに敏感な特徴を遮断することで,顔の画像を効果的に保護する新しい顔のデータセットの公開スキームを提案する.
• 曖昧な特徴は,下流の機械学習モデルのトレーニングのために十分な相関性を維持することを保証します.
• プライバシー保護とAIアプリケーションの顔データセットの有用性の両方を強化します.

主な方法:

• 顔の特徴を曖昧にするような新しい顔のデータセットの公開スキームを開発しました.
• プライバシーを確保しながら機能の相関性を強化する新しいメトリックの差分プライバシーメカニズムを設計しました.
• 生成された画像の自然性を高めるために,アイデンティティと属性の情報を組み込んだ隠れた拡散モデルを構築しました.

主要な成果:

• 提案されたシステムは,プライバシー保護の現行の方法を大幅に上回ります.
• 曖昧な特徴は,高いレベルの相関性を維持し,トレーニングのためのデータセットの有用性を保持します.
• 生成された画像は,潜在的拡散モデルにより自然性が向上します.

結論:

• 新しい顔のデータセットの公開スキームは,強力なプライバシー保護と高いデータセットの有用性とのバランスをうまく保っています.
• メトリカル・ディフェンシャル・プライバシーと ラテント・ディフュージョン・モデルの統合は,安全で利用可能な顔のデータ共有のための有望な方向性を提供します.
• このアプローチは,現在の非識別技術における重要な限界に対処し,AIの研究開発における顔データセットのより広範な適用を可能にします.