近日，我院在人脸隐私保护领域取得新进展，研究成果《Asymmetric Invertible Threat: Learning Reversible Privacy Defense for Face Recognition》被国际机器学习领域重要学术会议NeurIPS 2026接收。论文由我院2023级本科生张嘉备、2021级博士生杨子元共同第一作者完成，张意教授为通讯作者，合作单位包括韩国延世大学。杨子元目前为南洋理工大学博士后。

随着人脸识别技术的广泛应用，人脸数据在采集、存储和使用过程中面临的隐私安全风险日益受到关注。现有研究通常通过对人脸图像进行保护变换，降低未经授权的人脸识别能力，但对于攻击者能否进一步学习逆向映射、恢复身份信息关注相对不足。

图1 传统人脸隐私保护与本文研究的非对称逆向威胁

针对这一问题，研究团队提出面向“非对称逆向威胁”的可逆人脸隐私保护框架Asymmetric Reversible Face Protection（ARFP）。该方法将传统人脸隐私保护从“防止未经授权识别”进一步拓展至“防止未经授权恢复”，在保护身份信息的同时，增强对潜在逆向恢复攻击的抵御能力，并支持合法用户在授权条件下恢复原始图像。

图2 ARFP可逆人脸隐私保护整体框架

研究团队在多个公开数据集以及多种人脸识别模型和攻击条件下进行了系统验证。实验结果表明，所提出方法能够在保持较好图像视觉质量的同时，有效降低未经授权的人脸识别能力，并提升保护图像面对逆向恢复攻击时的鲁棒性。该研究从新的攻击视角重新审视了人脸隐私保护问题，为面向人工智能系统的人脸隐私保护和隐私增强型视觉计算提供了新的研究思路。

值得一提的是，23级本科生张嘉备以共同第一作者身份参与研究并取得高水平科研成果，体现了学院在人工智能安全与隐私保护领域持续推进科研创新的同时，积极加强本研协同和本科生科研训练，不断提升学生创新实践能力。