Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Digital Continuity Guarantee Based on Data Consistency in Cloud Storage Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

A Face Privacy Protection Algorithm Based on Block Scrambling and Deep Learning

verfasst von : Wei Shen, Zhendong Wu, Jianwu Zhang

Erschienen in: Cloud Computing and Security

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In recent years, with the widespread use of face recognition authentication technology, the phenomenon that a large number of face photos are stored on a third-party server is very common, and the problem of face privacy protection is very prominent. This paper presents a face privacy protection algorithm based on deep convolutional neural network (CNN), FBSR (Face Block Scrambling Recognition). The algorithm uses Arnold random scrambling to segment key face images and key parts. The server directly verifies scrambled face images through CNN model. The FBSR algorithm enables the server to save the original face template throughout the entire process, thus it achieves effective scrambling protection of the original face image. Experimental results show that the proposed algorithm has a recognition rate of 97.62% after CNN recognition, which strengthens face privacy protection to some extent.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Chaotic Searchable Image Encryption Scheme Integrating with Block Truncation Coding
Nächstes Kapitel A General Two-Server Framework for Ciphertext-Checkable Encryption Against Offline Message Recovery Attack
Literatur
1.
Cunningham, S.J., Masoodian, M., Adams, A.: Privacy issues for online personal photograph collections. J. Theor. Appl. Electron. Commer. Res. 5, 26–40 (2010)CrossRef
2.
Tomko, G.J., Soutar, C., Schmidt, G.J.: Fingerprint controlled public key cryptographic system: US, US 5541994 A[P] (1996)
3.
Ngo, D.C.L., Teoh, A.B.J., Goh, A.: Biometric hash: high-confidence face recognition. IEEE Trans. Circuits Syst. Video Technol. 16(6), 771–775 (2006)CrossRef
4.
Teoh, A.B.J., Goh, A., Ngo, D.C.L.: Random multispace quantization as an analytic mechanism for biohashing of biometric and random identity inputs. IEEE Trans. Pattern Anal. Mach. Intell. 28(12), 1892–1901 (2006)CrossRef
5.
Jin, A.T.B., Ling, D.N.C., Goh, A.: Biohashing: two factor authentication featuring fingerprint data and tokenised random number. Pattern Recognit. 37(11), 2245–2255 (2004)CrossRef
6.
Li, X.B., Sarkar, S.: Protecting Privacy Against Record Linkage Disclosure: A Bounded Swapping Approach for Numeric Data. INFORMS (2011)
7.
Wang, P., Wang, J., Zhu, X.: Research on privacy preserving data mining. Adv. Mater. Res. 756–759, 1661–1664 (2013)
8.
Pandey, R.K., Zhou, Y., Kota, B.U., et al.: Deep secure encoding for face template protection. In: Computer Vision and Pattern Recognition Workshops, pp. 77–83. IEEE (2016)
9.
Serre, T., Kreiman, G., Kouh, M., et al.: A quantitative theory of immediate visual recognition. Prog. Brain Res. 165(6), 33–56 (2007)CrossRef
10.
Netzer, Y., Wang, T., Coates, A., et al.: Reading digits in natural images with unsupervised feature learning. In: NIPS Workshop on Deep Learning and Unsupervised Feature Learning (2011)
11.
Lecun, Y., Bottou, L., Bengio, Y., et al.: Gradient-based learning applied to document recognition. Proc. IEEE 86(11), 2278–2324 (1998)CrossRef
12.
Krizhevsky, A., Sutskever, I., Hinton, G.E.: ImageNet classification with deep convolutional neural networks. In: International Conference on Neural Information Processing Systems, pp. 1097–1105. Curran Associates Inc. (2012)
13.
Dicecco, R., Lacey, G., Vasiljevic, J., et al.: Caffeinated FPGAs: FPGA framework for convolutional neural networks. In: International Conference on Field-Programmable Technology, pp. 265–268. IEEE (2017)
14.
Sun, Y., Wang, X., Tang, X.: Deep learning face representation from predicting 10,000 classes. In: Computer Vision and Pattern Recognition, pp. 1891–1898. IEEE (2014)
15.
Wu, C., Wen, W., Afzal, T., et al.: A Compact DNN: Approaching GoogleNet-Level Accuracy of Classification and Domain Adaptation, pp. 761–770 (2017)
16.
Li, H., Lin, Z., Shen, X., et al.: A convolutional neural network cascade for face detection. In: Computer Vision and Pattern Recognition, pp. 5325–5334. IEEE (2015)
Metadaten
Titel
A Face Privacy Protection Algorithm Based on Block Scrambling and Deep Learning
verfasst von
Wei Shen
Zhendong Wu
Jianwu Zhang
Copyright-Jahr
2018
Buch
Cloud Computing and Security

Print ISBN: 978-3-030-00011-0

Electronic ISBN: 978-3-030-00012-7

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-00012-7_33