Aprimorando a Privacidade em Análises Faciais Usando Criptografia Homomórfica Total

Os sistemas modernos de reconhecimento facial utilizam redes neurais profundas para extrair características salientes de um rosto. Essas características denotam embeddings em espaço latente e muitas vezes são armazenadas como modelos em um sistema de reconhecimento facial. Esses embeddings são suscetíveis a vazamentos de dados e, em alguns casos, podem até ser usados para reconstruir a imagem original do rosto. Para evitar a compromissão de identidades, esquemas de proteção de modelos são comumente empregados. No entanto, esses esquemas ainda podem não prevenir o vazamento de informações biométricas suaves, como idade, gênero e raça. Para aliviar essa questão, propomos uma técnica nova que combina Criptografia Homomórfica Total (FHE) com um esquema de proteção de modelos existente conhecido como PolyProtect. Mostramos que os embeddings podem ser comprimidos e criptografados usando FHE e transformados em um modelo seguro PolyProtect usando transformação polinomial, para proteção adicional. Demonstramos a eficácia da abordagem proposta por meio de extensos experimentos em múltiplos conjuntos de dados. Nossa abordagem proposta garante irreversibilidade e desvinculação, prevenindo efetivamente o vazamento de atributos biométricos suaves dos embeddings faciais sem comprometer a precisão do reconhecimento.