論文の概要: DeepEDN: A Deep Learning-based Image Encryption and Decryption Network
for Internet of Medical Things
- arxiv url: http://arxiv.org/abs/2004.05523v2
- Date: Tue, 5 May 2020 14:19:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 05:39:39.038807
- Title: DeepEDN: A Deep Learning-based Image Encryption and Decryption Network
for Internet of Medical Things
- Title（参考訳）: DeepEDN: 医療物のインターネットのためのディープラーニングベースの画像暗号化と復号ネットワーク
- Authors: Yi Ding, Guozheng Wu, Dajiang Chen, Ning Zhang, Linpeng Gong,
Mingsheng Cao, Zhiguang Qin
- Abstract要約: Internet of Medical Things (IoMT)は多くの医療画像機器を医療情報ネットワークに接続することができる。
DeepEDNは、医療画像の暗号化と復号化のプロセスを満たすために提案されている。
提案手法は高いレベルのセキュリティを実現し,高い効率性を実現する。
- 参考スコア（独自算出の注目度）: 11.684981995633304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Internet of Medical Things (IoMT) can connect many medical imaging equipments
to the medical information network to facilitate the process of diagnosing and
treating for doctors. As medical image contains sensitive information, it is of
importance yet very challenging to safeguard the privacy or security of the
patient. In this work, a deep learning based encryption and decryption network
(DeepEDN) is proposed to fulfill the process of encrypting and decrypting the
medical image. Specifically, in DeepEDN, the Cycle-Generative Adversarial
Network (Cycle-GAN) is employed as the main learning network to transfer the
medical image from its original domain into the target domain. Target domain is
regarded as a "Hidden Factors" to guide the learning model for realizing the
encryption. The encrypted image is restored to the original (plaintext) image
through a reconstruction network to achieve an image decryption. In order to
facilitate the data mining directly from the privacy-protected environment, a
region of interest(ROI)-mining-network is proposed to extract the interested
object from the encrypted image. The proposed DeepEDN is evaluated on the chest
X-ray dataset. Extensive experimental results and security analysis show that
the proposed method can achieve a high level of security with a good
performance in efficiency.
- Abstract（参考訳）: internet of medical things(iomt)は多くの医療画像機器を医療情報ネットワークに接続し、医師の診断と治療のプロセスを容易にする。
医療画像にはセンシティブな情報が含まれているため、患者のプライバシーやセキュリティを保護することは非常に困難である。
本研究では,医療画像の暗号化と復号化のプロセスを実現するために,deepedn(deep learning based encryption and decryption network)を提案する。
具体的には、DeepEDNでは、Cycle-Generative Adversarial Network (Cycle-GAN) が、医学画像を元のドメインからターゲットドメインに転送する主な学習ネットワークとして使用される。
ターゲットドメインは、暗号化を実現するための学習モデルを導く「隠れた要因」と見なされる。
暗号化された画像を再構成ネットワークを介して元の(平文)画像に復元し、画像復号化を実現する。
プライバシー保護環境から直接データマイニングを容易にするために、興味のあるオブジェクトを暗号化画像から抽出するための関心領域(roi)-mining-networkが提案されている。
提案したDeepEDNは胸部X線データセットを用いて評価する。
広範な実験結果とセキュリティ解析により,提案手法は高いセキュリティ性能を実現でき,効率も良好であることが示された。
関連論文リスト
- ViT Enhanced Privacy-Preserving Secure Medical Data Sharing and Classification [8.140412831443454]
本研究では,ブロックピクセル操作をベースとした,学習可能な暗号化手法によるセキュアなフレームワークを導入し,それをViT(Vision Transformer)と統合する。
提案したフレームワークは、キー毎に独自のスクランブルパターンを作成し、リードビット攻撃と最小差攻撃に対して堅牢なパフォーマンスを提供することにより、データのプライバシとセキュリティを保証する。
論文 参考訳（メタデータ） (2024-11-08T16:33:20Z) - De-Identification of Medical Imaging Data: A Comprehensive Tool for Ensuring Patient Privacy [4.376648893167674]
オープンソースツールを使用して、DICOMの磁気共鳴画像、コンピュータ画像、スライド画像全体、および磁気共鳴twixの生データを識別することができる。
複数種類の入力のための精巧な匿名化パイプラインを備えており、画像データの非識別に使用される追加ツールの必要性を低減している。
論文 参考訳（メタデータ） (2024-10-16T09:31:24Z) - Attack GAN (AGAN ): A new Security Evaluation Tool for Perceptual Encryption [1.6385815610837167]
最先端(SOTA)ディープラーニングモデルのトレーニングには大量のデータが必要である。
知覚暗号化は、イメージを認識不能なフォーマットに変換して、トレーニングデータ内のセンシティブな視覚情報を保護する。
これは、モデルの精度を大幅に下げるコストが伴う。
Adversarial Visual Information Hiding (AVIH)は、人間の目には認識できない暗号化された画像を作成することによって、画像のプライバシを保護するために、この欠点を克服する。
論文 参考訳（メタデータ） (2024-07-09T06:03:32Z) - Selective Encryption using Segmentation Mask with Chaotic Henon Map for Multidimensional Medical Images [0.0]
この方式は医療画像の保存とセキュリティの分野で革新的だ。
カオスなHenonマップのような強力な暗号化アルゴリズムを使って、画像の重要部分を暗号化することで、セキュリティをそのままに保つことができます。
論文 参考訳（メタデータ） (2024-03-02T11:20:24Z) - MITS-GAN: Safeguarding Medical Imaging from Tampering with Generative Adversarial Networks [48.686454485328895]
本研究では,医療画像の改ざんを防止する新しいアプローチであるMITS-GANを紹介する。
このアプローチは、人間の目には知覚できない微調整された摂動を導入することで、攻撃者のCT-GANアーキテクチャの出力を妨害する。
CTスキャンによる実験結果から,MITS-GANの優れた性能が確認された。
論文 参考訳（メタデータ） (2024-01-17T22:30:41Z) - Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-07-31T17:59:42Z) - Human-imperceptible, Machine-recognizable Images [76.01951148048603]
より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。
画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。
提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
論文 参考訳（メタデータ） (2023-06-06T13:41:37Z) - Privacy-Preserving Image Acquisition Using Trainable Optical Kernel [50.1239616836174]
本稿では、画像センサに到達する前に、光学領域の感度の高い識別情報を除去する訓練可能な画像取得手法を提案する。
イメージセンサに到達する前に、センシティブなコンテンツが抑制されるため、デジタルドメインには入らないため、いかなる種類のプライバシー攻撃でも検索できない。
論文 参考訳（メタデータ） (2021-06-28T11:08:14Z) - NeuraCrypt: Hiding Private Health Data via Random Neural Networks for
Public Training [64.54200987493573]
我々は,ランダムな深層ニューラルネットワークに基づくプライベート符号化方式であるNeuraCryptを提案する。
NeuraCryptは、データ所有者のみが知っているランダムに構築されたニューラルネットワークを使用して、生の患者データをエンコードする。
我々は,NeuraCryptが,様々なX線タスクの非プライベートベースラインに対して,競合精度を達成することを示す。
論文 参考訳（メタデータ） (2021-06-04T13:42:21Z) - DeepKeyGen: A Deep Learning-based Stream Cipher Generator for Medical
Image Encryption and Decryption [36.7308894683354]
本稿では,ディープラーニングに基づく新しいキー生成ネットワーク(DeepKeyGen)を提案する。
DeepKeyGenは、秘密鍵を生成するストリーム暗号ジェネレータとして提案される。
提案された鍵生成ネットワークは、秘密鍵の生成において高いレベルのセキュリティを達成できる。
論文 参考訳（メタデータ） (2020-12-21T03:21:59Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z)
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。