خلال السنوات الماضية، ركزت الابتكارات البحثية الرئيسية في مجال التعرف على الوجه على تدريب الشبكات العصبية العميقة على مجموعات بيانات كبيرة مصنفة حسب الهوية باستخدام تباينات خسائر تصنيف متعدد الأصناف. ومع ذلك، تم سحب العديد من هذه المجموعات من قبل مبدعيها بسبب زيادة المخاوف المتعلقة بالخصوصية والأخلاقيات. مؤخرًا جدًا، تم اقتراح بيانات مركبة ودية للخصوصية كبديل للبيانات الحقيقية الحساسة للخصوصية لضمان الامتثال لقوانين الخصوصية وضمان استمرارية أبحاث التعرف على الوجه. في هذا البحث، نقترح نموذجًا غير مشرف للتعرف على الوجه يعتمد على البيانات المركبة غير المصنفة (USynthFace). النموذج المقترح USynthFace يتعلم تعظيم التشابه بين صورتين معدلتين لنفس الحالة المركبة. نمكّن هذا من خلال مجموعة كبيرة من التحويلات الهندسية واللونية بالإضافة إلى التعديل المستند إلى GAN (Generative Adversarial Network) الذي يساهم في تدريب نموذج USynthFace. كما أجرينا العديد من الدراسات التجريبية على مختلف مكونات USynthFace المقترحة. بفضل مجموعة العمليات التعديلية المقترحة، أثبتنا فعالية USynthFace في تحقيق دقة تقريبية عالية في التعرف باستخدام البيانات المركبة غير المصنفة.