Fugu-MT 論文翻訳(概要): Attacks on Image Encryption Schemes for Privacy-Preserving Deep Neural Networks

論文の概要: Attacks on Image Encryption Schemes for Privacy-Preserving Deep Neural Networks

arxiv url: http://arxiv.org/abs/2004.13263v2
Date: Wed, 29 Apr 2020 06:22:13 GMT
ステータス: 処理完了
システム内更新日: 2022-12-08 22:40:54.856117
Title: Attacks on Image Encryption Schemes for Privacy-Preserving Deep Neural Networks
Title（参考訳）: プライバシー保護型ディープニューラルネットワークにおける画像暗号化方式の攻撃
Authors: Alex Habeen Chang, Benjamin M. Case
Abstract要約: 近年,画像上でのディープニューラルネットを用いた機械学習の新たな暗号化技術が,田中,Sirichotedumrong,木下,木屋によって提案されている。本稿では,これら2つの画像暗号化方式に対して,新しい選択平文と暗号文のみの攻撃を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Privacy preserving machine learning is an active area of research usually relying on techniques such as homomorphic encryption or secure multiparty computation. Recent novel encryption techniques for performing machine learning using deep neural nets on images have recently been proposed by Tanaka and Sirichotedumrong, Kinoshita, and Kiya. We present new chosen-plaintext and ciphertext-only attacks against both of these proposed image encryption schemes and demonstrate the attacks' effectiveness on several examples.
Abstract（参考訳）: プライバシ保存機械学習は、通常、同型暗号化やセキュアなマルチパーティ計算のような技術に依存する研究の活発な領域である。近年,画像上でのディープニューラルネットワークを用いた機械学習の新たな暗号化技術が,田中,Sirichotedumrong,木下,木屋らによって提案されている。本稿では,これら2つの画像暗号化方式に対する新しい選択平文と暗号文のみの攻撃を提案し,いくつかの例で攻撃の有効性を実証する。

関連論文リスト

Cryptanalysis and improvement of multimodal data encryption by machine-learning-based system [0.0]
このフィールドの様々な要求を満たす暗号化アルゴリズム。暗号化アルゴリズムを分析するための最良のアプローチは、それを壊すための実用的で効率的なテクニックを特定することである。
論文参考訳（メタデータ） (2024-02-24T10:02:21Z)
PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
論文参考訳（メタデータ） (2023-07-18T10:55:54Z)
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)
Attribute-Guided Encryption with Facial Texture Masking [64.77548539959501]
本稿では,顔認識システムからユーザを保護するために,顔テクスチャマスキングを用いた属性ガイド暗号化を提案する。提案手法は,最先端の手法よりも自然な画像を生成する。
論文参考訳（メタデータ） (2023-05-22T23:50:43Z)
Generative Model-Based Attack on Learnable Image Encryption for Privacy-Preserving Deep Learning [14.505867475659276]
本稿では,プライバシ保護深層学習のための学習可能な画像暗号化手法に対する,新たな生成モデルに基づく攻撃を提案する。我々は、StyleGANベースモデルと潜伏拡散ベースモデルという、最先端の2つの生成モデルを使用している。その結果,提案手法により再構成された画像は,通常の画像と知覚的に類似していることがわかった。
論文参考訳（メタデータ） (2023-03-09T05:00:17Z)
OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文参考訳（メタデータ） (2022-05-24T11:29:37Z)
Controlled Caption Generation for Images Through Adversarial Attacks [85.66266989600572]
画像特徴抽出には畳み込みニューラルネットワーク(CNN)、キャプション生成にはリカレントニューラルネットワーク(RNN)が使用される。特に、その後の再帰的ネットワークに供給される視覚エンコーダの隠蔽層に対する攻撃について検討する。本稿では、CNNの内部表現を模倣したニューラルネットワークキャプションの逆例を作成するためのGANベースのアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-07-07T07:22:41Z)
TenSEAL: A Library for Encrypted Tensor Operations Using Homomorphic Encryption [0.0]
モノモルフィック暗号化を用いたプライバシー保護機械学習のためのオープンソースライブラリTenSEALを紹介します。我々は,半メガバイト以下の通信を用いて,暗号化畳み込みニューラルネットワークを1秒以内で評価可能であることを示す。
論文参考訳（メタデータ） (2021-04-07T14:32:38Z)
MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
論文参考訳（メタデータ） (2020-10-25T23:01:13Z)
AdvFoolGen: Creating Persistent Troubles for Deep Classifiers [17.709146615433458]
本稿では,自然画像と同じ特徴空間から攻撃画像を生成するAdvFoolGenというブラックボックス攻撃を提案する。我々は、最先端の防衛技術に直面する攻撃の有効性と堅牢性を実証する。
論文参考訳（メタデータ） (2020-07-20T21:27:41Z)

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。