近日，2020级硕士生刘晓耕（导师胡胜山副研究员）的论文“Protecting Facial Privacy: Generating Adversarial Identity Masks via Style-robust Makeup Transfer”被计算机视觉顶会IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2022) 录用。

该论文探讨了如何使用对抗样本技术抵挡恶意人脸识别模型，从而保护人脸隐私。具体而言，论文提出了一种基于妆容迁移技术构造人脸对抗样本的方法，创新地设计了一种正则化模块，减轻了条件式生成对抗网络（GAN）在训练期间的循环一致性约束与对抗损失的冲突，从而让基于GAN的妆容迁移方法能够有效地完成对抗样本生成任务。论文提出的方法相比于以往的最优方法，不仅提高了算法的保护有效度（即针对恶意模型的对抗强度），而且能够让生成的人脸对抗样本具有更好的图像质量。同时经过实验证明，论文提出的方法在目前广泛部署的商业应用程序编程接口（包括旷视Face++，阿里Aliyun以及微软Microsoft Azure）上具有很高的对抗攻击强度，揭示了当前人脸识别模型在鲁棒性上的缺陷。

CVPR与ICCV、ECCV并列为世界三大计算机视觉会议，是计算机视觉和人工智能研究领域的顶级会议，也是中国计算机学会（CCF）推荐的A类会议。CVPR拥有计算机相关领域最高的H5指数，是人工智能与计算机视觉发展的风向标之一。此次CVPR 2022会议录用率约为25.33%，与往届平均录用率相当。

（通讯员：刘晓耕）