CosPEEPChain：基于区块链技术的隐私保护面部识别方法，结合特征脸扰动（Eigenface Perturbation）与CosFace算法 作者：Edward Mensah Acheampong、Shijie Zhou、Yongjian Liao、Emmanuel Antwi-Boasiako、Isaac Amankona Obiri 和 Adjar Gertrude Badjoe Tawiah

《Electronics》：CosPEEPChain: Blockchain-Secured Privacy-Preserving Face Recognition Using Eigenface Perturbation and CosFace Edward Mensah Acheampong, Shijie Zhou, Yongjian Liao, Emmanuel Antwi-Boasiako, Isaac Amankona Obiri and Adjar Gertrude Badjoe Tawiah

区块链环境下的人脸识别隐私保护框架研究。提出基于Eigenface分解与CosFace的CosPEEP模型，集成本地差分隐私保障技术与智能合约存证机制，在保持96.77%识别精度的同时，实现隐私预算0.5-8.0%下的性能稳定提升，并通过区块链验证模型可信性。

　　

摘要

面部识别技术在区块链平台上实现，增强了面部嵌入（从面部图像中提取的数值表示）的安全性和完整性。然而，由于区块链的透明性和不可变性，这一技术面临独特的隐私挑战。面部嵌入包含了敏感的生物特征数据，一旦这些数据被泄露，就无法像传统密码那样被更改。本研究提出了一个新框架，利用去中心化的区块链平台——互联网计算机协议（ICP），来实现CosPEEPChain（一种基于区块链的、利用特征脸扰动和CosFace技术进行隐私保护的面部识别系统）。CosPEEPChain结合了特征脸分解与局部差分隐私（LDP）技术来保护面部嵌入的隐私；同时利用CosFace技术提升扰动后的特征脸表示的判别能力；并通过区块链确保面部识别模型的透明存储和防篡改性。我们提出的CosPEEP在LFW数据集上的表现显著优于基线算法PEEP（使用特征脸扰动的隐私保护方法），平均准确率为96.77 ± 0.85%，稳定性（标准差 = 0.31–1.28%）在多种隐私预算设置下均保持稳定。统计显著性测试表明，在11/16的隐私预算条件下（p < 0.05），CosPEEP的性能优于PEEP，平均提升幅度为1.92%。此外，我们还提出了ArcPEEP，该算法采用加性角度边际损失（ArcFace）来进一步提升识别性能。我们验证了这些模型在区块链环境中的实际效果。总体而言，CosPEEPChain相比基线ICP面部识别算法所需计算周期更少。