Core Concepts
완전 동형 암호화와 기존 템플릿 보호 기법을 결합하여 얼굴 템플릿의 프라이버시와 보안을 향상시킬 수 있다.
Abstract
이 논문은 얼굴 인식 시스템에서 얼굴 템플릿의 프라이버시와 보안을 향상시키는 방법을 제안한다.
얼굴 템플릿을 완전 동형 암호화(FHE)로 암호화하여 저장한다.
암호화된 템플릿에 PolyProtect 기법을 적용하여 추가적인 보안 레이어를 제공한다.
이를 통해 얼굴 템플릿의 역추적성과 연결성을 방지하고, 연령, 성별, 인종과 같은 민감한 정보의 유출을 막을 수 있다.
제안 방식은 얼굴 인식 정확도를 크게 저하시키지 않으면서도 프라이버시를 크게 향상시킬 수 있다.
FHE와 PolyProtect의 결합을 통해 각 기법의 장점을 활용하여 보다 강력한 보안 솔루션을 제공한다.
Stats
얼굴 인식 정확도는 FaceNet 기반 97.55%, AdaFace 기반 88.21%로 유지된다.
성별 예측 정확도는 무작위 수준(약 50%)으로 감소한다.
연령 예측 정확도는 무작위 수준(약 27%)으로 감소한다.
인종 예측 정확도는 무작위 수준(약 24%)으로 감소한다.
Quotes
"완전 동형 암호화는 얼굴 인식 결과만 권한 있는 당사자에게 공개되도록 하고, 인식 과정에서 얼굴 템플릿 자체가 암호화되어 보호된다."
"PolyProtect와 FHE의 결합은 각 기법의 장점을 활용하여 보다 강력한 보안 솔루션을 제공한다."