論文の概要: Group Membership Verification with Privacy: Sparse or Dense?

• arxiv url: http://arxiv.org/abs/2002.10362v1
• Date: Mon, 24 Feb 2020 16:47:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 04:32:43.104188
• Title: Group Membership Verification with Privacy: Sparse or Dense?
• Title（参考訳）: プライバシによるグループメンバシップ検証:スパースかデンスか?
• Authors: Marzieh Gheisari, Teddy Furon, Laurent Amsaleg
• Abstract要約: グループメンバー認証は、生体特性がそのメンバーの同一性を明らかにすることなく、グループの1つのメンバーに対応するかどうかをチェックする。 最近のコントリビューションは、2つのメカニズムの併用によるグループメンバシッププロトコルのプライバシを提供する。 本稿では,セキュリティ,コンパクト性,検証性能の両面における疎性の影響を明らかにするために,グループメンバシップ検証の数学的モデルを提案する。
• 参考スコア（独自算出の注目度）: 21.365032455883178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Group membership verification checks if a biometric trait corresponds to one member of a group without revealing the identity of that member. Recent contributions provide privacy for group membership protocols through the joint use of two mechanisms: quantizing templates into discrete embeddings and aggregating several templates into one group representation. However, this scheme has one drawback: the data structure representing the group has a limited size and cannot recognize noisy queries when many templates are aggregated. Moreover, the sparsity of the embeddings seemingly plays a crucial role on the performance verification. This paper proposes a mathematical model for group membership verification allowing to reveal the impact of sparsity on both security, compactness, and verification performances. This model bridges the gap towards a Bloom filter robust to noisy queries. It shows that a dense solution is more competitive unless the queries are almost noiseless.
• Abstract（参考訳）: グループメンバー認証は、生体特性がそのメンバーの同一性を明らかにすることなく、グループの1つのメンバーに対応するかどうかをチェックする。 最近のコントリビューションは、テンプレートを個別の埋め込みに量子化し、複数のテンプレートを一つのグループ表現に集約する、2つのメカニズムを併用することで、グループメンバシッププロトコルのプライバシを提供する。 しかし、このスキームには欠点が1つある: グループを表すデータ構造はサイズが限られており、多くのテンプレートが集約されたときにノイズの多いクエリを認識することができない。 さらに、埋め込みの幅は性能検証において重要な役割を担っているようである。 本稿では,セキュリティ,コンパクト性,検証性能にスパーシティが与える影響を明らかにするために,グループメンバシップ検証のための数理モデルを提案する。 このモデルは、ノイズの多いクエリに対して堅牢なブルームフィルタへのギャップを埋める。 これは、クエリがほとんどノイズ無しでない限り、密度の高いソリューションの方が競争力があることを示している。

関連論文リスト

• The Research of Group Re-identification from Multiple Cameras [0.4955551943523977]
  グループ再識別は、従来の再識別タスクにおいて、視点や人間のポーズのバリエーションによって妨げられているだけでなく、非常に難しい。 本稿では,グループ内の多粒度情報を活用してグループ再同定を容易にする手法を提案する。
  論文  参考訳（メタデータ） (2024-07-19T18:28:13Z)
• Advancing Vision Transformers with Group-Mix Attention [59.585623293856735]
  グループミクス・アテンション(GMA)は、従来の自己アテンションの先進的な代替品である。 GMAは、さまざまなグループサイズとトークン・ツー・トークン・ツー・グループ、グループ・ツー・グループ相関を同時に取得する。 GroupMixFormerは、画像分類、オブジェクト検出、セマンティックセグメンテーションにおける最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-11-26T01:25:03Z)
• Uncovering Prototypical Knowledge for Weakly Open-Vocabulary Semantic Segmentation [59.37587762543934]
  本稿では,弱開語彙セマンティックセマンティックセグメンテーション(WOVSS)の問題点について検討する。 既存の方法は、グループトークンの使用に関する粒度の矛盾に悩まされる。 マルチモーダル正規化を組み込んだプロトタイプ誘導ネットワーク(PGSeg)を提案する。
  論文  参考訳（メタデータ） (2023-10-29T13:18:00Z)
• Balanced Filtering via Disclosure-Controlled Proxies [8.477632486444353]
  本研究では,グループメンバーシップが利用できない場合や,デプロイ時に使用が禁止された場合,センシティブなグループに対してバランスの取れたコホートを収集する問題について検討する。 デプロイ時の収集機構は, 基本レートだけで確認できるほど, 個々のサンプルのグループメンバシップについてはあまり明らかになっていない。
  論文  参考訳（メタデータ） (2023-06-26T21:55:24Z)
• InstantGroup: Instant Template Generation for Scalable Group of Brain MRI Registration [5.361571536184391]
  InstantGroupは、変動オートエンコーダ(VAE)モデルに基づく効率的なグループワイドテンプレート生成フレームワークである。 3D脳MRIでの実験によると、InstantGroupは実行時間を劇的に減らし、さまざまなグループサイズのテンプレートを生成する。
  論文  参考訳（メタデータ） (2022-11-10T14:54:31Z)
• AggNet: Learning to Aggregate Faces for Group Membership Verification [20.15673797674449]
  いくつかの顔認識アプリケーションでは、個人がグループのメンバーであるかどうかを、そのアイデンティティを明らかにすることなく確認することに興味がある。 いくつかの既存手法では、事前計算された顔記述子を離散的な埋め込みに量子化し、それらを一つのグループ表現に集約する機構が提案されている。 本稿では,顔記述子とアグリゲーション機構を協調的に学習し,エンドツーエンドのパフォーマンスを向上させるディープアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-06-17T10:48:34Z)
• Implicit Sample Extension for Unsupervised Person Re-Identification [97.46045935897608]
  クラスタリングは、時に異なる真のアイデンティティを混ぜ合わせたり、同じアイデンティティを2つ以上のサブクラスタに分割する。 本稿では,クラスタ境界周辺のサポートサンプルを生成するために,Implicit Sample Extension (OurWholeMethod)法を提案する。 提案手法の有効性を実証し,教師なしのRe-IDに対して最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-04-14T11:41:48Z)
• Towards Group Robustness in the presence of Partial Group Labels [61.33713547766866]
  入力サンプルとターゲットラベルの間に 急激な相関関係がある ニューラルネットワークの予測を誤った方向に導く 本稿では,制約セットから最悪のグループ割り当てを最適化するアルゴリズムを提案する。 グループ間で総合的な集計精度を維持しつつ,少数集団のパフォーマンス向上を示す。
  論文  参考訳（メタデータ） (2022-01-10T22:04:48Z)
• Learning Multi-Attention Context Graph for Group-Based Re-Identification [214.84551361855443]
  オーバーラップしていないカメラシステムを介して人々のグループを再識別または取得することを学ぶことは、ビデオ監視において重要なアプリケーションです。 本研究では,グループre-idというグループを識別するためのコンテキスト情報の利用を検討する。 本研究では,グループベースリドタスクを同時に処理するグラフニューラルネットワークに基づく新しい統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-29T09:57:47Z)
• Overcoming Data Sparsity in Group Recommendation [52.00998276970403]
  グループレコメンデータシステムは、ユーザの個人的な好みだけでなく、嗜好集約戦略も正確に学習できなければならない。 本稿では,BGEM(Bipartite Graphding Model)とGCN(Graph Convolutional Networks)を基本構造として,グループとユーザ表現を統一的に学習する。
  論文  参考訳（メタデータ） (2020-10-02T07:11:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。