面向人脸识别可信应用的隐私保护计算研究综述

来源：电子与信息学报杂志2026年第4期北京时间：

作者：袁霖, 武雁尚, 张力元, 张玉书, 王楠楠, 高新波

单位：1.重庆邮电大学图像认知重庆市重点实验室 重庆 4000652.江西财经大学计算机与人工智能学院 南昌 3300323.西安电子科技大学空天地一体化综合业务网全国重点实验室 西安 710071

摘要：该文聚焦人脸识别生态，系统梳理了面向人脸识别可信应用的隐私保护计算研究进展。首先，概述了人脸识别系统的基本架构与流程，剖析非授权采集、信息泄露、梯度泄露、成员推理、人脸重建及非授权识别等关键隐私风险。随后，围绕数据变换、分布式、图像合成和对抗扰动4类主流隐私保护范式，解析加密计算、联邦学习、频域学习、特征模板保护、合成图像训练、身份保持匿名化、虚拟身份识别、差分隐私、重建攻击防御与对抗性隐私保护等10类代表性技术。最后，展望未来研究方向，包括隐私保护计算的效率提升、生成式大模型带来的新机遇与挑战、新型识别范式的构建以及标准化评估体系的建立。该文旨在为可信人脸识别研究提供系统性参考，推动其在信息物理系统中的安全与可信应用，进一步强化个人信息保护。

关键词：隐私保护计算, 信息物理系统, 人脸识别, 身份信息

基金资助：国家自然科学基金(62201107, U22A2096)，重庆市教育委员会科学技术研究项目(KJQN202300606, KJQN202300619)