論文の概要: Key-Nets: Optical Transformation Convolutional Networks for Privacy Preserving Vision Sensors

• arxiv url: http://arxiv.org/abs/2008.04469v2
• Date: Fri, 11 Sep 2020 13:50:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 12:12:13.406671
• Title: Key-Nets: Optical Transformation Convolutional Networks for Privacy Preserving Vision Sensors
• Title（参考訳）: Key-Nets: プライバシー保護視覚センサのための光変換畳み込みネットワーク
• Authors: Jeffrey Byrne and Brian DeCann and Scott Bloom
• Abstract要約: キーネットは、独自の視覚センサーと組み合わせた畳み込みネットワークである。 キーネットはヒル暗号を用いた同型暗号と同値であることを示す。
• 参考スコア（独自算出の注目度）: 3.3517146652431378
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern cameras are not designed with computer vision or machine learning as the target application. There is a need for a new class of vision sensors that are privacy preserving by design, that do not leak private information and collect only the information necessary for a target machine learning task. In this paper, we introduce key-nets, which are convolutional networks paired with a custom vision sensor which applies an optical/analog transform such that the key-net can perform exact encrypted inference on this transformed image, but the image is not interpretable by a human or any other key-net. We provide five sufficient conditions for an optical transformation suitable for a key-net, and show that generalized stochastic matrices (e.g. scale, bias and fractional pixel shuffling) satisfy these conditions. We motivate the key-net by showing that without it there is a utility/privacy tradeoff for a network fine-tuned directly on optically transformed images for face identification and object detection. Finally, we show that a key-net is equivalent to homomorphic encryption using a Hill cipher, with an upper bound on memory and runtime that scales quadratically with a user specified privacy parameter. Therefore, the key-net is the first practical, efficient and privacy preserving vision sensor based on optical homomorphic encryption.
• Abstract（参考訳）: 現代のカメラはコンピュータビジョンや機械学習をターゲットとして設計されていない。 プライバシを設計によって保護し、プライベート情報を漏らすことなく、ターゲットとする機械学習タスクに必要な情報のみを収集する、新たなタイプのビジョンセンサが必要だ。 本稿では、この変換された画像に対して、キーネットが正確に暗号化された推論を行うことができるように、光学/アナログ変換を適用した独自の視覚センサと組み合わせた畳み込みネットワークであるキーネットを紹介する。 キーネットに適した光学変換に十分な条件を5つ提供し、一般化された確率行列(スケール、バイアス、分数画素シャッフルなど)がこれらの条件を満たすことを示す。 顔認証や物体検出のための光学変換画像に直接微調整されたネットワークにはユーティリティ/プライバシートレードオフがあることを示すことで,キーネットのモチベーションを高める。 最後に、キーネットは、Hill暗号を用いた同型暗号化と同値であり、メモリと実行時の上限は、ユーザが指定したプライバシパラメータと二次的にスケールすることを示す。 したがって、このキーネットは光学同型暗号に基づく最初の実用的で効率的かつプライバシー保護型視覚センサである。

関連論文リスト

• Can Encrypted Images Still Train Neural Networks? Investigating Image Information and Random Vortex Transformation [51.475827684468875]
  画像変換時の情報内容の変化を評価するために,画像情報量を測定する新しい枠組みを構築した。 また,Random Vortex Transformationと呼ばれる新しい画像暗号化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-11-25T09:14:53Z)
• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• 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-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• EViT: Privacy-Preserving Image Retrieval via Encrypted Vision Transformer in Cloud Computing [9.41257807502252]
  本稿では,暗号化ビジョン変換器(EViT)という新しいパラダイムを提案する。 EViTは、画像のプライバシーを効果的に保護しつつ、大きなマージンによる検索精度において、現在のスキームよりも優れた暗号化と検索性能を実現する。
  論文  参考訳（メタデータ） (2022-08-31T07:07:21Z)
• An Overview of Compressible and Learnable Image Transformation with Secret Key and Its Applications [15.206936859511]
  学習可能な画像暗号化は、プライバシ保護機械学習と反対に堅牢な防御に適用できる。 本稿では,秘密鍵を用いた画像変換とその応用について概説する。
  論文  参考訳（メタデータ） (2022-01-26T15:29:51Z)
• Speckle-based optical cryptosystem and its application for human face recognition via deep learning [17.169570487230747]
  顔画像は、慎重に保護されるべき敏感な生体データである。 本研究では,高効率なスペックルベースの光暗号システムを提案し,実装した。 提案した暗号システムは幅広い適用性を持ち、セキュリティの高い複雑な情報暗号化と復号化のための新たな道を開く可能性がある。
  論文  参考訳（メタデータ） (2022-01-26T07:18:02Z)
• Semantic-Aware Generation for Self-Supervised Visual Representation Learning [116.5814634936371]
  セマンティック・アウェア・ジェネレーション(SaGe)は、生成した画像に保存される詳細よりも、よりリッチなセマンティクスを促進する。 SaGeは、ターゲットネットワークをビュー特有の特徴で補完することで、集中的なデータ拡張によって引き起こされるセマンティックな劣化を軽減する。 我々は、ImageNet-1K上でSaGeを実行し、近接検定、線形分類、微視的画像認識を含む5つの下流タスクで事前訓練されたモデルを評価する。
  論文  参考訳（メタデータ） (2021-11-25T16:46:13Z)
• 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)

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。