Earticle

초록

영어

Publicly shared face photos can be collected and used to train facial recognition models without the owner's consent. Unlearnable examples counter this by adding imperceptible noise to photos before sharing. In practice, however, collected photos undergo transforms before training; face recognition in particular crops the face and resizes it. Moreover, the attacker may adopt adversarial training to erase the effect of the noise. We show that existing unlearnable examples designed to withstand adversarial training lose their protection after this transform alone. We then propose SafeFace, which confines the noise to the face region, generates it through a differentiable model of the attacker's transform, and gradually increases the adversarial perturbation budget assumed during generation. On 50 identities, SafeFace is the only method among the five compared that withstands both conditions, suppressing the attacker to 1.8% under the transform and 12.0% under adversarial training (=4/255), where prior methods allow 33.2-42.2%.

한국어

공개된 얼굴 사진은 동의 없이 무단으로 수집되어 얼굴 인식 모델의 학습에 쓰일 수 있다. Unlearnable example(UE)은 이를 막기 위해 공유 전에 사진에 잘 띄지 않는 미세한 잡음(noise)을 더해 두는 사전 방어이다. 그러나 수집된 사진은 여러 가지 변형(transform)을 거친 뒤에야 학습에 쓰이며 얼굴 인식에서는 얼굴을 잘라내어 확대하는 변형이 통상 수행된다. 공격자가 적대적 학습을 수행하면 잡음의 효과는 더욱 줄어든다. 본 논문은 기존 연구들이 변형만으로 보호 효과를 잃음을 실험으로 보이고, 변형을 거친 뒤에도 적대적 학습에 강건한 잡음을 생성하는 SafeFace를 제안한다. SafeFace는 잡음을 얼굴 영역에 국한하고 공격자의 변형을 통과시켜 생성하며 적대적 학습에 대비해 생성 과정에서 설정하는 섭동의 크기를 점진적으로 높인다. 50개 신원 실험에서 SafeFace는 공격자 정확도를 변형 조건에서 1.8%, 적대적 학습 조건에서 12.0%(=4/255)로 보호 효과를 유지한다.

목차

<요약>
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 이론적 배경
Ⅳ. 제안 방법
Ⅴ. 실험
Ⅵ. 결론
참고문헌
【Abstract】

키워드

저자

• 오병훈 [ ByungHoon OH | 중앙대학교 융합보안학과 석사과정 ] 제1저자
• 이재우 [ JaeWoo LEE | 중앙대학교 산업보안학과 부교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  시큐리티 연구 [KOREAN SECURITY JOURNAL]

• 간기

  계간

• pISSN

  2671-4299

• 수록기간

  1997~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 350 DDC 351