摘要

在本文中，我们提出了一种新的图像和视频面部匿名化方法，简称FIVA。我们所提出的方法能够在帧间保持一致的面部匿名化效果，并确保与原始面部有显著差异。FIVA在误接受率为0.001的情况下实现了0个真正阳性的结果。我们的研究考虑了重要的安全问题——重构攻击，并探讨了对抗噪声、均匀噪声和参数噪声对重构攻击的干扰作用。为此，我们应用了不同的防御和保护方法来应对这些隐私威胁，以展示FIVA的可扩展性。此外，我们还展示了重构攻击模型可以用于检测深度伪造图像。最后但同样重要的是，我们提供了实验结果，证明FIVA即使仅在一个目标图像上进行训练也能实现面部交换功能。