Binghamton大学的研究人员为大家引入了一种增强隐私的匿名化系统（我的脸，我的选择），以便每个人都能在社交照片分享网络中对自己的脸部拥有控制权
在面部识别和身份验证算法的背景下，匿名化是一个关键问题。随着这些技术的产品化趋势，关于个人隐私和安全的伦理关切也随之出现。通过面部特征识别和身份辨识个人的能力引发了有关同意、个人数据控制和潜在滥用的问题。社交网络中目前的标签系统需要充分解决照片中出现的未授权或未经批准的面孔的问题。
争议和伦理关切已经影响到了面部识别和身份验证算法的最新进展。以往的系统缺乏适当的泛化和准确性保证，导致了意想不到的后果。为了关闭面部识别，已经采用了诸如模糊和遮罩等对抗操纵技术，但它们会改变图像内容且容易被检测到。还开发了对抗生成和没收方法，但面部识别算法正在不断改进以抵御此类攻击。
在这种背景下，Binghamton大学的一个研究团队最近发表的一篇新文章提出了一种增强隐私的系统，利用深度伪造来误导面部识别系统，而不会破坏图像的连续性。他们引入了“我的脸我的选择”（MFMC）的概念，个人可以控制他们出现在哪些照片中，并将他们的面孔替换为与未经授权的观众不同的深度伪造。
所提出的方法MFMC旨在基于照片中个体授予的复杂访问权限，为多个人创建深度伪造版本的照片。该系统在社交照片共享网络中运行，其中访问权限是针对面部而不是图像定义的。当上传一张图片时，上传者的朋友可以被标记，而其余的面孔将被深度伪造替换。这些深度伪造经过仔细选择，基于各种度量确保它们与原始面部在数量上不相似，但保持上下文和视觉的连续性。作者使用不同的数据集、深度伪造生成器和面部识别方法进行了广泛的评估，以验证所提出系统的有效性和质量。MFMC在利用面部嵌入来创建有用的深度伪造以抵御面部识别算法方面代表了重大进展。
该文章展示了深度伪造生成器的要求，即在保留面部和环境属性的同时，将合成目标面部的身份转移到原始源面部。作者将多个深度伪造生成器（如Nirkin等人、FTGAN、FSGAN和SimSwap）集成到他们的框架中。他们还引入了三种访问模型：代理披露、明确授权披露和基于访问规则的披露，以平衡社交媒体参与和个人隐私。
对MFMC系统的评估包括使用七个最先进的面部识别系统评估面部识别准确性的降低，并将结果与现有的保护隐私的面部改变方法（如CIAGAN和Deep Privacy）进行比较。评估证明了MFMC在降低面部识别准确性方面的有效性。它在系统设计、生产系统化和针对面部识别系统的评估方面的优越性得到了突出。
总之，该文章将MFMC系统作为一种新颖方法，用于解决与面部识别和身份验证算法相关的隐私问题。通过利用深度伪造和个体授予的访问权限，MFMC允许用户控制他们出现在哪些照片中，并将他们的面孔替换为与未经授权的观众不同的深度伪造。对MFMC的评估证明了它在降低面部识别准确性方面的有效性，超过了现有的保护隐私的面部改变方法。这项研究代表了在面部识别技术时代增强隐私的重要一步，并为该领域的进一步发展开辟了可能性。
