연구진은 맞춤형 확산 모델의 악용 위험에 따른 얼굴 개인정보 보호 문제를 해결하기 위해 새로운 접근법을 제시했어요. 계층적 반미학(HAA) 프레임워크는 이미지 품질 저하를 통해 얼굴 식별 정보 유출을 줄이는 방식이에요. HAA는 글로벌 및 로컬 반미학적 기법을 결합하여 얼굴 영역을 교란하고 전체적인 생성 품질을 저하시켜 개인정보 보호 효과를 높여요.
글로벌 반미학은 전체적인 심미성을 저하시키고, 로컬 반미학은 얼굴 영역을 교란하여 얼굴 식별 정보를 줄여요. 기존 방법보다 효과적으로 개인정보를 보호하며, 악의적인 맞춤형 모델 생성 시 유용하게 활용될 수 있어요. 연구 결과, HAA는 기존 방법보다 뛰어난 성능을 보였어요.
HAA는 글로벌에서 로컬 수준으로 심미적 저하를 달성하며, 얼굴 개인정보 보호를 위한 효과적인 도구로 활용될 수 있습니다.