Fugu-MT 論文翻訳(概要): BUNET: Blind Medical Image Segmentation Based on Secure UNET

論文の概要: BUNET: Blind Medical Image Segmentation Based on Secure UNET

arxiv url: http://arxiv.org/abs/2007.06855v1
Date: Tue, 14 Jul 2020 07:05:23 GMT
ステータス: 処理完了
システム内更新日: 2022-11-10 15:19:42.358333
Title: BUNET: Blind Medical Image Segmentation Based on Secure UNET
Title（参考訳）: BUNET:セキュアなUNETに基づいたブラインド医療画像セグメンテーション
Authors: Song Bian, Xiaowei Xu, Weiwen Jiang, Yiyu Shi, Takashi Sato
Abstract要約: UNETアーキテクチャに基づくプライバシ保護型医用画像セグメンテーションを実装したセキュアプロトコルであるブラインドUNET(BUNET)を提案する。 BUNETでは、同相暗号やガーブロード回路(GC)などの暗号プリミティブを効率よく利用し、UNETニューラルアーキテクチャのための完全なセキュアなプロトコルを設計する。本研究では, 既知精度の低下を伴うベースラインアーキテクチャにおいて, 最先端のセキュア推論技術と比較して最大14倍の推論時間短縮を実現することができることを示す。
参考スコア（独自算出の注目度）: 24.374253627122467
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The strict security requirements placed on medical records by various privacy regulations become major obstacles in the age of big data. To ensure efficient machine learning as a service schemes while protecting data confidentiality, in this work, we propose blind UNET (BUNET), a secure protocol that implements privacy-preserving medical image segmentation based on the UNET architecture. In BUNET, we efficiently utilize cryptographic primitives such as homomorphic encryption and garbled circuits (GC) to design a complete secure protocol for the UNET neural architecture. In addition, we perform extensive architectural search in reducing the computational bottleneck of GC-based secure activation protocols with high-dimensional input data. In the experiment, we thoroughly examine the parameter space of our protocol, and show that we can achieve up to 14x inference time reduction compared to the-state-of-the-art secure inference technique on a baseline architecture with negligible accuracy degradation.
Abstract（参考訳）: さまざまなプライバシー規制によって医療記録に課される厳格なセキュリティ要件は、ビッグデータ時代の大きな障害となる。本研究では,データ機密性を保護しつつ,サービス方式としての効率的な機械学習を確保するために,UNETアーキテクチャに基づくプライバシ保存医療画像セグメンテーションを実装したセキュアプロトコルである盲点UNET(BUNET)を提案する。 BUNETでは、同相暗号やガーブロード回路(GC)などの暗号プリミティブを効率よく利用し、UNETニューラルアーキテクチャのための完全なセキュアなプロトコルを設計する。また,高次元入力データを用いたgcベースのセキュアアクティベーションプロトコルの計算ボトルネックを削減するため,広範なアーキテクチャ探索を行う。実験では,本プロトコルのパラメータ空間を徹底的に検討し,精度を損なうことなくベースラインアーキテクチャ上での最先端のセキュアな推論手法と比較して,最大14倍の推論時間を短縮できることを示す。

関連論文リスト

HOPE: Homomorphic Order-Preserving Encryption for Outsourced Databases -- A Stateless Approach [1.1701842638497677]
Homomorphic OPE(Homomorphic OPE)は、クライアント側のストレージを排除し、クエリ実行中に追加のクライアントサーバ間のインタラクションを回避する新しいOPEスキームである。我々は、広く受け入れられているIND-OCPAモデルの下で、HOPEの正式な暗号解析を行い、その安全性を証明した。
論文参考訳（メタデータ） (2024-11-26T00:38:46Z)
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)
TernaryVote: Differentially Private, Communication Efficient, and Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
論文参考訳（メタデータ） (2024-02-16T16:41:14Z)
Seagull: Privacy preserving network verification system [0.0]
本稿では,BGPプロトコルが管理するインターネットバックボーンの構成の正当性を検証するための新しい手法を提案する。提案したソリューションはスケーラビリティの懸念に効果的に対処するだけでなく、堅牢なプライバシフレームワークも確立しています。
論文参考訳（メタデータ） (2024-02-14T05:56:51Z)
A Survey and Comparative Analysis of Security Properties of CAN Authentication Protocols [92.81385447582882]
コントロールエリアネットワーク(CAN)バスは車内通信を本質的に安全でないものにしている。本稿では,CANバスにおける15の認証プロトコルをレビューし,比較する。実装の容易性に寄与する本質的な運用基準に基づくプロトコルの評価を行う。
論文参考訳（メタデータ） (2024-01-19T14:52:04Z)
SOCI^+: An Enhanced Toolkit for Secure OutsourcedComputation on Integers [50.608828039206365]
本稿では,SOCIの性能を大幅に向上させるSOCI+を提案する。 SOCI+は、暗号プリミティブとして、高速な暗号化と復号化を備えた(2, 2)ホールドのPaillier暗号システムを採用している。実験の結果,SOCI+は計算効率が最大5.4倍,通信オーバヘッドが40%少ないことがわかった。
論文参考訳（メタデータ） (2023-09-27T05:19:32Z)
A privacy-preserving data storage and service framework based on deep learning and blockchain for construction workers' wearable IoT sensors [0.0]
ウェアラブルモノのインターネット(IoT)センサー、特に脳-コンピュータインターフェース(BCI)によって収集される脳信号の分類は、最も急速に成長している研究分野の1つである。本稿では,このギャップを埋めて,BCIアプリケーションを実装するためのセキュアなプライバシ保護プロトコルを提案する。われわれはまず脳の信号を画像に変換し、生成的敵ネットワークを使って合成信号を生成し、データのプライバシーを保護した。さらに、ブロックチェーンベースのスキームを提案し、個人の神経生理学的データと分析レポートの保存、クエリ、共有を安全かつプライバシーに配慮したものにすることを目的としたプロトタイプを開発した。
論文参考訳（メタデータ） (2022-11-19T14:57:19Z)
Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
論文参考訳（メタデータ） (2022-07-19T05:47:30Z)
Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
論文参考訳（メタデータ） (2021-06-03T16:45:40Z)
A Systematic Comparison of Encrypted Machine Learning Solutions for Image Classification [11.6906656396618]
この研究は、プライベート画像分類の文脈におけるセキュアなコンピューティング技術に基づく既存のフレームワークの包括的なレビューを提供する。データサイエンススタックの中心部でセキュアなコンピューティングを実装する4つの最先端ライブラリを用いて実験を行った。
論文参考訳（メタデータ） (2020-11-10T18:33:31Z)
CryptoSPN: Privacy-preserving Sum-Product Network Inference [84.88362774693914]
総生産ネットワーク(SPN)のプライバシ保護のためのフレームワークを提案する。 CryptoSPNは、中規模のSPNに対して秒の順序で高効率で正確な推論を行う。
論文参考訳（メタデータ） (2020-02-03T14:49:18Z)

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。