基于层次格式保存加密的自主传感器的面部隐私保护方法

科学领域:

• 计算机科学 计算机科学
• 网络安全 网络安全
• 汽车工程 汽车工程

背景情况:

• 连接自动化车辆 (CAV) 使用先进的传感器收集敏感的面部生物识别数据,造成严重的隐私风险.
• 当前的汽车数据隐私解决方案往往将安全优先于数据可用性,阻碍下游应用程序的有效性.
• 需要强大的隐私保护方法来保持CAV中环境感知数据的实用性至关重要.

研究的目的:

• 引入一种新的等级格式保护加密 (H-FPE) 方法,用于自主传感器中的面部数据隐私.
• 开发面部检测的隐私保护框架,以平衡加密强度和功能可用性.
• 评估H-FPE方法在保护面部数据的有效性,同时保持基本检测能力.

主要方法:

• 该研究提出了一个基于YOLOv11的面部检测框架内的特定区域的加密策略.
• 使用基于SM4的Feistel结构与伪随机函数来确保RGB值约束和图像格式完整性.
• 根据不同面部区域的重要性,加密强度会动态调整.

主要成果:

• 与传统方法相比,H-FPE方法实现了超过98%的效率和增加的9.4%的改善.
• 步行者检测性能保持不变,F1得分超过97%,与保护指的加密 (TPE) 方法相比,差异仅为0.5%.
• 拟议的方法证明了更强大的隐私保护,同时保持了关键检测能力.

结论:

• 层次格式保护加密 (H-FPE) 方法有效地平衡了隐私保护和自主传感器中面部数据的功能可用性.
• 这种方法提供了一个强大的解决方案,用于保护CAV中的敏感面部数据,而不会影响基本的检测任务.
• 特定区域的加密策略确保了根据数据敏感性和应用程序要求量身定制的最佳隐私.