人员再识别（Person Re-ID）是一种先进的计算机视觉方法，可以更容易地通过不同地点和时间的监控摄像头来识别人员。尽管个人图像具有改善安全和公共安全的巨大潜力，但其使用存在着重大的隐私问题。由于根据数据隐私法律法规，个人图像被视为私人信息，因此这些问题需要隐私保护的解决方案。
现有的隐私保护人员再识别方法存在一定的局限性。传统的加密方法可以提供较强的隐私保护，但无法对加密数据进行计算。同态加密（HE）直接支持对密文进行计算，但不允许云服务器访问计算结果。此外，现有的浮点特征向量加密机制存在解码和计算错误的问题。
最近，发表了一篇新文章，提出一种名为FREED的新的隐私保护人员再识别解决方案。该系统将隐私保护的人员再识别定义为加密特征向量的相似性度量，使得云服务器可以在不泄露任何个人图像隐私的情况下执行再识别操作。
具体而言，FREED利用新的编码机制和安全批处理计算协议来加密浮点特征向量并有效地执行再识别操作。
FREED引入了三个关键组件来保护特征向量的隐私：
- 编码机制（ECMO）将浮点特征向量转换为整数，确保准确性并避免解码错误。
- 安全批处理乘法（BatchSMUL）协议高效计算加密特征向量的相似性度量，减少计算成本。
- 安全批处理部分解密（BatchPDec）协议安全地对相似性度量进行排序，实现准确的人员再识别，同时不泄露个人隐私。
通过这些组件，可以提供一个强大的隐私保护解决方案，用于人员再识别任务。
提出使用ECMO将浮点特征向量转换为整数，具有两个关键优势。首先，它消除了其他编码方法常见的解码错误。ECMO确保在加密和解密后更准确地检索原始特征向量，保留其准确性，并提高人员再识别的准确性。其次，与传统方法相比，这种转换为整数显著降低了计算错误率和加密成本。ECMO的更高效和精确的过程提高了方案的整体准确性和实用性，适用于实际应用。
通过对计算和通信开销方面的效率进行评估，测试表明ECMO相对于其他编码技术具有较低的错误率。同时还确定了控制参数设置。FREED提供了一种安全可行的人员再识别方法，相比先前的协议在计算和通信方面性能更好。
总之，本文介绍了FREED，一种新颖有效的隐私保护人员再识别解决方案。通过利用编码机制（ECMO）将浮点特征向量转换为整数，FREED解决了传统编码方法的局限性，提高了准确性并减少了计算和计算错误。安全批处理乘法（BatchSMUL）和安全批处理部分解密（BatchPDec）协议提高了系统的效率。通过广泛的实验评估，FREED在计算和通信方面展示了其有效性和效率，相比于MGN等方法，FREED为解决人员再识别中的隐私挑战提供了一种有希望的方法，同时保持了高准确性和实用性，适用于实际应用。