该论文是针对反人脸识别（AFR）技术的首篇系统化知识综述（SoK）。近年来，人脸识别（FR）技术在政府和商业领域的快速普及引发了公众对公民自由和隐私的担忧。为此，学术界和工业界提出了多种所谓的“反人脸识别”工具，旨在帮助用户避免非授权的人脸识别。然而，这些工具种类繁多、演进迅速，缺乏统一的分类和分析框架。本文基于FR系统的操作阶段（如采集、特征提取、匹配等）构建了一个系统化的分析框架，用于评估不同AFR方法的优缺点和权衡。研究涵盖了从图像扰动、对抗性伪装到匿名化等多种技术路线，并探讨了社会和技术层面的挑战，如易用性、对抗鲁棒性以及和现有隐私法规的兼容性。主要贡献包括：首次全面梳理AFR研究全景；提出一个可扩展的分类体系；识别出长期存在的开放问题（例如针对自适应攻击的防御、跨场景泛化能力）。该工作适合对人脸识别隐私保护感兴趣的研究人员、政策制定者以及安全从业者阅读。