論文の概要: DeepKeyGen: A Deep Learning-based Stream Cipher Generator for Medical Image Encryption and Decryption

• arxiv url: http://arxiv.org/abs/2012.11097v1
• Date: Mon, 21 Dec 2020 03:21:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-27 06:23:38.066779
• Title: DeepKeyGen: A Deep Learning-based Stream Cipher Generator for Medical Image Encryption and Decryption
• Title（参考訳）: DeepKeyGen: 医用画像暗号化と復号のためのディープラーニングベースのストリーム暗号生成装置
• Authors: Yi Ding, Fuyuan Tan, Zhen Qin, Mingsheng Cao, Kim-Kwang Raymond Choo and Zhiguang Qin
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 36.7308894683354
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The need for medical image encryption is increasingly pronounced, for example to safeguard the privacy of the patients' medical imaging data. In this paper, a novel deep learning-based key generation network (DeepKeyGen) is proposed as a stream cipher generator to generate the private key, which can then be used for encrypting and decrypting of medical images. In DeepKeyGen, the generative adversarial network (GAN) is adopted as the learning network to generate the private key. Furthermore, the transformation domain (that represents the "style" of the private key to be generated) is designed to guide the learning network to realize the private key generation process. The goal of DeepKeyGen is to learn the mapping relationship of how to transfer the initial image to the private key. We evaluate DeepKeyGen using three datasets, namely: the Montgomery County chest X-ray dataset, the Ultrasonic Brachial Plexus dataset, and the BraTS18 dataset. The evaluation findings and security analysis show that the proposed key generation network can achieve a high-level security in generating the private key.
• Abstract（参考訳）: 医療画像暗号化の必要性は、患者の医療画像データのプライバシーを保護するなど、ますます顕著になっている。 本稿では,新たな深層学習型鍵生成ネットワーク(DeepKeyGen)をストリーム暗号生成器として提案し,秘密鍵を生成し,医用画像の暗号化と復号化に利用することができる。 DeepKeyGenでは、生成敵対ネットワーク(GAN)が学習ネットワークとして採用され、秘密鍵を生成する。 さらに、変換ドメイン(生成される秘密鍵の「スタイル」を表す)は、学習ネットワークを誘導して秘密鍵生成プロセスを実現するように設計されている。 DeepKeyGenの目標は、初期画像をプライベートキーに転送する方法のマッピング関係を学ぶことだ。 我々は,モンゴメリー郡胸部X線データセット,超音波ブラキアルプレクスデータセット,BraTS18データセットの3つのデータセットを用いてDeepKeyGenを評価する。 評価結果とセキュリティ分析により,提案した鍵生成ネットワークは秘密鍵の生成において高いセキュリティを実現することができることが示された。

関連論文リスト

• dabih -- encrypted data storage and sharing platform [0.0]
  dabihは、ユーザフレンドリな暗号化データ管理を容易にするために設計されたオープンソースのWebアプリケーションである。 データセキュリティに対するアプローチは、2段階のエンベロープ暗号化プロセスを含む。 データの復号化に必要な秘密鍵は、所有者のデバイスに限られる。
  論文  参考訳（メタデータ） (2024-01-16T12:57:35Z)
• Revocable Cryptography from Learning with Errors [61.470151825577034]
  我々は、量子力学の非閉鎖原理に基づいて、キー呼び出し機能を備えた暗号スキームを設計する。 我々は、シークレットキーが量子状態として表現されるスキームを、シークレットキーが一度ユーザから取り消されたら、それらが以前と同じ機能を実行する能力を持たないことを保証して検討する。
  論文  参考訳（メタデータ） (2023-02-28T18:58:11Z)
• Deep Neural Networks for Encrypted Inference with TFHE [0.0]
  完全同型暗号(英: Fully homomorphic encryption, FHE)は、復号化せずに暗号化されたデータ上で計算を行うことができる暗号法である。 TFHEは、健康データ、バイオメトリックス、クレジットスコア、その他の個人情報などの機密データを扱うオンラインサービスのユーザのプライバシを保存する。 本稿では、任意の深度計算回路を実現するFHEスキームであるTFHEの制約に適合するディープニューラルネットワーク(DNN)を構築する方法について述べる。
  論文  参考訳（メタデータ） (2023-02-13T09:53:31Z)
• Hiding Images in Deep Probabilistic Models [58.23127414572098]
  我々は、画像の深い確率モデルに隠蔽するための異なる計算フレームワークについて述べる。 具体的には、DNNを用いて、カバー画像の確率密度をモデル化し、学習した分布の特定の場所に秘密画像を隠す。 我々は,抽出精度とモデルセキュリティの観点から,SinGANアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-10-05T13:33:25Z)
• Syfer: Neural Obfuscation for Private Data Release [58.490998583666276]
  我々は、再識別攻撃から保護するための神経難読化法であるSyferを開発した。 Syferはトレーニングされたレイヤをランダムニューラルネットワークで構成し、元のデータをエンコードする。 エンコードされたデータから診断を予測する能力を維持している。
  論文  参考訳（メタデータ） (2022-01-28T20:32:04Z)
• NeuralDP Differentially private neural networks by design [61.675604648670095]
  ニューラルネットワーク内のいくつかの層の活性化を民営化する手法であるNeuralDPを提案する。 本研究では,DP-SGDと比較して,プライバシーとユーティリティのトレードオフを大幅に改善した2つのデータセットを実験的に検証した。
  論文  参考訳（メタデータ） (2021-07-30T12:40:19Z)
• 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)
• Key-Nets: Optical Transformation Convolutional Networks for Privacy Preserving Vision Sensors [3.3517146652431378]
  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。
  論文  参考訳（メタデータ） (2020-08-11T01:21:29Z)
• DeepEDN: A Deep Learning-based Image Encryption and Decryption Network for Internet of Medical Things [11.684981995633304]
  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。
  論文  参考訳（メタデータ） (2020-04-12T01:42:47Z)

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。