FaceKit：面向罕见病可解释面部表型分析、合成图像生成与隐私评估的工具包
FaceKit 是一个从正面面部照片进行定量面部表型分析的计算框架，可提取标准化面部标志点测量值并衍生 120 项形态特征，输出表示相对人群参考分布偏离程度的特征级 z 分数，参考分布基于 FairFace 数据集构建。研究在 GestaltMatcher Database 中覆盖 50 个罕见病队列的子集上评估 FaceKit，并开展隐私评估，检验合成图像是否泄露真实患者照片中的可识别信息。
#生物特征/人脸识别
arXiv 隐私论文AI 评分3939 arXiv 隐私论文AI 评分4141 人脸去标识化方法隐私保护效果对比研究：UtilFace 基准与 HiFD 指标
针对人脸去标识化（FDeID）评估指标与数据集不统一、跨方法难以比较的问题，研究者提出人口统计均衡的基准 UtilFace 和分层评估指标 HiFD。HiFD 基于预训练估计器输出，将身份抑制、三级效用保留（宏观 L1、微观 L2、不可感知 L3）与图像质量统一为单一可解释分数。研究据此对比了对抗、GAN 和扩散三类方法，并公开基准与评估工具包。
arXiv 隐私论文AI 评分4141 FBAN：面向隐私保护行为认证的全同态加密兼容瓶颈注意力网络
研究者提出 FBAN——一种兼容 TFHE 的瓶颈注意力网络及端到端加密连续认证框架，通过浮点预训练加量化感知训练的两阶段流程实现纯整数推理，并编译为 TFHE 电路进行同态推理。