Az arcfelismerési technológiák egyre szélesebb körű alkalmazása számos adatvédelmi és biztonsági problémát vet fel. Ha rosszindulatú szereplők hozzáférést szereznek az ilyen rendszerek által tárolt arcinformációkhoz, az érintett személyek megszemélyesítésére és jogosulatlan tevékenységek végrehajtására használhatják fel azokat. Az elmúlt években jelentősen nőtt az arcfelismerés adatvédelmi kérdéseinek fontossága. Az előrelépések ellenére sok kereskedelmi arcfelismerő rendszer adatbázisa még mindig érzékeny arci jellemzőket tárol. A sebezhetőségek különösen veszélyesek lehetnek a mélytanulás-alapú rekonstrukciós támadások fejlődése miatt. Ezek egy olyan rekonstrukciós hálózatot használnak, amely képes az arci jellemzőkből az eredeti arcképek inverz leképezését megtanulni, kihasználva a mélyhálózatok erőteljes illesztési képességeit. Feladatok: Széleskörű vizuális és kvantitatív kísérletek végrehajtása nyilvános arcképadatbázison. ArcFace implementálása a ResNet-50 modellel. Az eredmények értékelése nagy adatbázisokon (MS-Celeb-1M, CelebA, stb.). Milyen megoldásokat, javaslatokat tud adni a problémára? Kriptográfia? Egyéb adatrejtési eljárások.

The increasing application of facial recognition technologies raises numerous privacy and security concerns. If malicious actors gain access to facial data stored in these systems, they could impersonate individuals and perform unauthorized activities. In recent years, the importance of addressing privacy issues in facial recognition has grown significantly. Despite advancements, many commercial facial recognition systems still store sensitive facial features in their databases. This vulnerability is particularly concerning due to the development of deep learning-based reconstruction attacks. Such attacks leverage reconstruction networks capable of learning inverse mappings from facial features to original facial images, exploiting the powerful fitting capabilities of deep neural networks. Tasks: Conduct extensive visual and quantitative experiments on public face datasets. Implement ArcFace using the ResNet-50 model as the backbone. Evaluate performance on large-scale datasets such as MS-Celeb-1M, CelebA, and others. Propose solutions to mitigate privacy risks, such as cryptography-based methods or other data obfuscation techniques.