論文の概要: A Novel Matrix-Encoding Method for Privacy-Preserving Neural Networks
(Inference)
- arxiv url: http://arxiv.org/abs/2201.12577v1
- Date: Sat, 29 Jan 2022 12:40:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-01 18:03:19.564183
- Title: A Novel Matrix-Encoding Method for Privacy-Preserving Neural Networks
(Inference)
- Title（参考訳）: プライバシー保護型ニューラルネットワークの新しいマトリックスエンコーディング法(推論)
- Authors: John Chiang
- Abstract要約: 手書き画像分類のためのCNNを実装するために、$textttVolley Revolver$を使用します。
CNNにおける畳み込み操作のために,我々は実現可能かつ効率的な評価戦略を開発する。
- 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: In this work, we present $\texttt{Volley Revolver}$, a novel matrix-encoding
method that is particularly convenient for privacy-preserving neural networks
to make predictions, and use it to implement a CNN for handwritten image
classification. Based on this encoding method, we develop several additional
operations for putting into practice the secure matrix multiplication over
encrypted data matrices. For two matrices $A$ and $B$ to perform multiplication
$A \times B$, the main idea is, in a simple version, to encrypt matrix $A$ and
the transposition of the matrix $B$ into two ciphertexts respectively. Along
with the additional operations, the homomorphic matrix multiplication $A \times
B$ can be calculated over encrypted data matrices efficiently. For the
convolution operation in CNN, on the basis of the $\texttt{Volley Revolver}$
encoding method, we develop a feasible and efficient evaluation strategy for
performing the convolution operation. We in advance span each convolution
kernel of CNN to a matrix space of the same size as the input image so as to
generate several ciphertexts, each of which is later used together with the
input image for calculating some part of the final convolution result. We
accumulate all these part results of convolution operation and thus obtain the
final convolution result.
- Abstract（参考訳）: 本稿では,プライバシ保存型ニューラルネットワークの予測に特に便利である,新しいマトリックスエンコーディング手法である$\texttt{volley revolver}$を提案し,手書き画像分類のためのcnnの実装に使用する。
この符号化法に基づき,暗号化されたデータ行列上でセキュアな行列乗算を実現するための演算を複数開発する。
2つの行列 $a$ と $b$ が乗算 $a \times b$ を実行する場合、主なアイデアは、単純なバージョンでは行列 $a$ を暗号化し、行列 $b$ を 2 つの暗号文に変換することである。
追加演算に加えて、同型行列乗算$A \times B$は、暗号化されたデータ行列上で効率的に計算できる。
CNNにおける畳み込み操作では、$\texttt{Volley Revolver}$エンコーディング法に基づいて、畳み込み操作を行うための実用的で効率的な評価戦略を開発する。
我々はCNNの各畳み込みカーネルを予め入力画像と同じ大きさの行列空間に分割し、複数の暗号文を生成する。
畳み込み動作のこれらすべての部分結果を蓄積し、最終的な畳み込み結果を得る。
関連論文リスト
- Three-Input Ciphertext Multiplication for Homomorphic Encryption [6.390468088226496]
ホモモルフィック暗号化(HE)は、暗号文上で直接計算することができる。
HEは、ニューラルネットワーク推論、診断、財務データ分析など、プライバシ保護コンピューティングに不可欠である。
本稿では,計算の複雑さを低減するために,3入力暗号文の乗算を提案する。
論文 参考訳（メタデータ） (2024-10-17T13:40:49Z) - CodeCipher: Learning to Obfuscate Source Code Against LLMs [5.872773591957006]
我々は,LLMからの応答を保存しながら,コードからプライバシを乱す新しい方法であるCodeCipherを提案する。
CodeCipher は LLM の埋め込み行列を変換し、各行が元の行列内の別の単語に対応するようにし、難読化ソースコードのためのトークンとトークンの混同マッピングを生成する。
その結果,LLMの性能を保ちながらソースコードのプライバシを混乱させることに成功した。
論文 参考訳（メタデータ） (2024-10-08T08:28:54Z) - 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) - 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) - Batch-efficient EigenDecomposition for Small and Medium Matrices [65.67315418971688]
EigenDecomposition (ED)は多くのコンピュータビジョンアルゴリズムとアプリケーションの中心にある。
本稿では,コンピュータビジョンの応用シナリオに特化したQRベースのED手法を提案する。
論文 参考訳（メタデータ） (2022-07-09T09:14:12Z) - CipherDAug: Ciphertext based Data Augmentation for Neural Machine
Translation [7.842152902652213]
本稿では,ROT-$k$暗号文に基づくニューラルマシン翻訳のための新しいデータ拡張手法を提案する。
我々の手法であるCipherDAugは、協調正規化にインスパイアされたトレーニング手順を使用し、元のトレーニングデータ以外の外部データソースを必要としない。
論文 参考訳（メタデータ） (2022-04-01T19:02:14Z) - VersaGNN: a Versatile accelerator for Graph neural networks [81.1667080640009]
我々は,超効率的なサイストリックアレイベースの多用途ハードウェアアクセラレータである textitVersaGNN を提案する。
textitVersaGNNは平均3712$times$ speedup with 1301.25$times$ energy reduction on CPU、35.4$times$ speedup with 17.66$times$ energy reduction on GPUを達成している。
論文 参考訳（メタデータ） (2021-05-04T04:10:48Z) - Compressing 1D Time-Channel Separable Convolutions using Sparse Random
Ternary Matrices [65.4388266814055]
1次元時間チャネル分離可能な畳み込みの1x1-畳み込みを、定数でスパースな乱数三元行列で-1,0,+1$の重みで置き換える。
Google Speech Commands v1のコマンド認識のために、最新の精度を同じネットワークサイズで97.21%$から97.41%$に改善します。
librispeech上での音声認識では、トレーニングすべき重みの数は半分になり、浮動小数点ベースラインの単語誤り率の約1%を犠牲にします。
論文 参考訳（メタデータ） (2021-03-31T15:09:20Z) - FFConv: Fast Factorized Neural Network Inference on Encrypted Data [9.868787266501036]
本稿では、畳み込みと暗号文のパッキングを統一するFFConvと呼ばれる低ランク分解法を提案する。
先行技術であるLoLaとFalconと比較して,提案手法は,それぞれ最大87%,12%の遅延を減少させる。
論文 参考訳（メタデータ） (2021-02-06T03:10:13Z) - Grover on SIMON [1.1470070927586016]
SIMONのすべての変種についてGroverの探索アルゴリズムを提案する。
量子資源を列挙し、NOT, CNOT, Toffoli ゲートでこのような攻撃を行う。
我々は、IBMQ量子シミュレータと14量子ビットプロセッサでSIMONの縮小版を実行する。
論文 参考訳（メタデータ） (2020-04-22T16:38:41Z) - HERS: Homomorphically Encrypted Representation Search [56.87295029135185]
本稿では,暗号化ドメイン内の大規模ギャラリーに対して,プローブ(あるいはクエリ)画像表現を検索する手法を提案する。
我々の暗号方式は固定長表現の取得方法に従わないため、任意のアプリケーション領域における任意の固定長表現に適用できる。
論文 参考訳（メタデータ） (2020-03-27T01:10:54Z)
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。