「腾讯优图实验室专场」将围绕优图实验室在弱监督目标定位、图文多模态、TNN、高效模型、3D人脸、人脸隐私保护等六个领域的重要研究成果进行讲解和交流。

从7月开始，腾讯优图实验室的三位研究员分别围绕《弱监督目标定位的研究及应用》、《多模态图文内容的识别与定位》、《开源推理框架TNN模型部署加速与优化》和《基于模型剪枝的高效模型设计方法》对腾讯优图实验室的最新研究成果进行了全面的讲解。错过直播的朋友可以点击文章底部“阅读原文”进行回看。

11月17日，腾讯优图实验室研究员佳祥将参与到「腾讯优图实验室专场」第5讲的直播中。佳祥老师专注人脸识别方向技术研究，主要负责大规模人脸识别训练、模型蒸馏、联邦学习等算法的研究与落地，推动人脸识别技术在跨年龄寻人、人脸核身、刷脸支付等业务中的应用。在此次课程中，他将以《基于隐私保护的人脸识别方法》为主题进行讲解。

人脸识别是一种基于人的脸部特征信息进行身份识别的生物识别技术，人脸数据作为个人信息的重要载体，数据安全和隐私问题逐渐引起监管机构和广大用户的关注与担忧。目前《数据安全法》和《个人信息保护法》已经就数据、个人信息的保护提供了相应的原则和规则指引。而如何在人脸识别技术落地的过程中，安全有效地保护用户隐私成为业务落地中亟需解决的问题。

在本次专场中，佳祥老师将主要从训练和部署两个方面来讲解基于隐私保护的人脸识别方法。首先是训练阶段的以联邦学习为核心的人脸识别训练框架。联邦学习作为一种新型分布式机器学习范式，可以有效解决数据孤岛问题，让参与方在不共享数据的基础上联合训练。而腾讯优图研发的FedFace框架，通过引入局部联邦动量和联邦验证，可以有效的提升联邦范式下的人脸识别效果。

在部署这一方面，佳祥老师将主要介绍基于非RGB域的人脸识别方法。通过在前端人脸数据的收集过程中将人脸图像从RGB域数据转换为非RGB域，做到视觉不可视的同时，尽量不影响后续人脸识别业务性能。腾讯优图研发了一种基于可学习隐私预算的频域识别方法，在频域中引入差分隐私来保证人脸数据的隐私性，该方案复杂度低，方便移植到现有框架中，实验也表明该方法可以在白盒攻击下有效保护人脸隐私，并保持与基线方法相似的准确性。

本次专场包含主讲和问答两个环节，其中主讲40分钟，问答20分钟。同时，我们还组建了技术交流群，并邀请佳祥老师进群，欢迎大家申请！

专场介绍

主 题

《基于隐私保护的人脸识别方法》

提 纲

1、人脸识别技术中的隐私问题
2、基于联邦学习的人脸识别训练框架
3、非RGB域的人脸识别方法

讲 师 介 绍

佳祥，腾讯优图实验室研究员，专注人脸识别方向技术研究；主要负责大规模人脸识别训练、模型蒸馏、联邦学习等算法的研究与落地，推动人脸识别技术在跨年龄寻人、人脸核身、刷脸支付等业务中的应用。

直 播 信 息

直播时间：11月17日19:00
直播地点：智东西公开课直播间