该论文研究人脸交换匿名化技术中的隐私保证可解释性问题。人脸交换通过将目标个体的人脸替换为捐赠者人脸，同时保留非面部上下文，以实现视觉上的匿名化；理论上，人脸识别系统应无法识别出目标身份，从而满足隐私保护需求。然而，作者对多种人脸交换模型进行实证评估后发现，目标身份信息仍有显著泄漏，这表明现有方法在隐私保护上存在缺陷。为深入理解泄漏机制，论文提出一种线性随机模型，将人脸交换器视为身份嵌入空间中的变换（可能伴随随机噪声），从而为身份泄漏提供一个可解释的数学描述。该模型可拟合经验数据，并据此推导出可测试的预测，帮助研究者预测和量化泄漏风险。最终目标是建立一个有原则、可解释的隐私评估框架，使正式隐私保证不再依赖纯观察结果，而是具有理论支撑且可被改进。本文为隐私保护、人脸识别和安全领域提供了新的理论工具，适合隐私保护研究者、人脸识别系统开发者及需评估匿名化方案的安全工程师阅读。