인공지능 모델로 식별 가능한 비식별 이미지 생성 방법 (A De-identifying Images Generation Method Identifiable by AI Model)

서지정보

· 발행기관 : 한국스마트치안학회
· 수록지 정보 : 스마트치안연구 / 3권 / 1호 / 9 ~ 16페이지
· 저자명 : 김봉준, 손윤식, 정준호

초록

최근 어디에서나 흔하게 볼 수 있는 CCTV는 사생활 침해의 논란이 있다. 심층신경망은 기반 이미지 인식, 패턴 분석과 같은 여러 유용한 서비스에 적용되었다. 한편, 적대적 예제는 심층신경망 보안에 큰 위협이 된다. 예로, 이미지에 약간의 노이즈를 추가하여 만들어진 얼굴 적대적 예제는 얼굴 인식 시스템에서 오인식이 발생 할 수 있다. 하지만 비식별화한 이미지를 재식별이 필요한 일부 상황에서는 적대적 예제가 유용할 수 있다. 이 논문에서는 우리는 재식별 가능한 얼굴 비식별화 방법을 제안한다. 제안하는 기법은 사람의 시각으로 식별할 수 없는 얼굴 식별 모델은 식별을 가능하게 한다. 비식별화 방법은 가우시안 블러와 적대적공격 기법인 C.W 공격을 사용하였다. 그리고 동영상을 이용한 실험으로 이 기법이 작동한다는 것을 보여주었다.

영어초록

CCTV, which can be seen everywhere these days, is controversial for invasion of privacy. DNN(Deep Neural Network) has been applied to several useful services such as based image recognition and pattern analysis. On the other hand, adversarial examples pose a great threat to DNN security. For example, a face adversarial example created by adding some noise to the image may cause misrecognition in the face recognition system. However, adversarial examples can be useful in some situations where re-identification of de-identified images is required. In this paper, we propose a re-identifiable face de-identification method. The proposed technique enables the identification of face identification models that cannot be identified by human eyes. The de-identification method used Gaussian blur and C.W attack, which is a adversary attack technique. And experiments with video have shown that this technique works.

참고자료

· 없음