arXiv · ML· Tunahan Parlay{\i}c{\i}, Erchan Aptoula, Y\"ucel Sayg{\i}n·· 2 天前AI 评分20
错误输入与阈值:重新评估对抗性面部隐私
Wrong Input, Wrong Threshold: Re-evaluating Adversarial Facial Privacy
AI 导读
已发表的面部隐私方法报告超过 90% 的保护率,但该结果源于存在缺陷的评估协议。使用真实前端重新评分后,标准迁移攻击的保护率下降 56%,预算分配攻击下降 7%。 现有方法在评估时使用整幅图像或检测框输入,且沿用的四个常数在整幅图像上将假接受率推高至 2.3-5.4%。
来源:arXiv · ML · arxiv.org