論文の概要: PrivPAS: A real time Privacy-Preserving AI System and applied ethics
- arxiv url: http://arxiv.org/abs/2202.02524v1
- Date: Sat, 5 Feb 2022 09:52:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-08 17:30:10.555912
- Title: PrivPAS: A real time Privacy-Preserving AI System and applied ethics
- Title（参考訳）: PrivPAS: リアルタイムプライバシ保護AIシステムと倫理の適用
- Authors: Harichandana B S S, Vibhav Agarwal, Sourav Ghosh, Gopi Ramena, Sumit
Kumar andd Barath Raj Kandur Raja
- Abstract要約: 機密コンテンツを特定するためにPrivPAS(リアルタイムプライバシ保存AIシステム)を導入する。
提案した軽量アーキテクチャは、メモリフットプリントがわずか8.49MBであり、リソース制約されたデバイスで89.52%という高いmAPを実現する。
- 参考スコア（独自算出の注目度）: 3.4485062225799936
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With 3.78 billion social media users worldwide in 2021 (48% of the human
population), almost 3 billion images are shared daily. At the same time, a
consistent evolution of smartphone cameras has led to a photography explosion
with 85% of all new pictures being captured using smartphones. However, lately,
there has been an increased discussion of privacy concerns when a person being
photographed is unaware of the picture being taken or has reservations about
the same being shared. These privacy violations are amplified for people with
disabilities, who may find it challenging to raise dissent even if they are
aware. Such unauthorized image captures may also be misused to gain sympathy by
third-party organizations, leading to a privacy breach. Privacy for people with
disabilities has so far received comparatively less attention from the AI
community. This motivates us to work towards a solution to generate
privacy-conscious cues for raising awareness in smartphone users of any
sensitivity in their viewfinder content. To this end, we introduce PrivPAS (A
real time Privacy-Preserving AI System) a novel framework to identify sensitive
content. Additionally, we curate and annotate a dataset to identify and
localize accessibility markers and classify whether an image is sensitive to a
featured subject with a disability. We demonstrate that the proposed
lightweight architecture, with a memory footprint of a mere 8.49MB, achieves a
high mAP of 89.52% on resource-constrained devices. Furthermore, our pipeline,
trained on face anonymized data, achieves an F1-score of 73.1%.
- Abstract（参考訳）: 2021年には全世界で38億人のソーシャルメディアユーザーがいて(人口の48%)、毎日30億近い画像が共有されている。
同時に、スマートフォンのカメラが一貫した進化を遂げたことにより、写真の爆発が起こり、新しい写真の85%がスマートフォンで撮影された。
しかし、近年、撮影されている人物が撮影されている写真に気づいていない場合や、共有されている写真について予約している場合、プライバシーに関する懸念が高まりつつある。
こうしたプライバシー侵害は、障害を抱えている人々に対して増幅され、たとえ認識していたとしても、不満を抱くことが難しいと感じるかもしれない。
このような不正なイメージキャプチャは、第三者組織による同情を得るために誤用される可能性があり、プライバシー侵害につながる。
障害を持つ人々に対するプライバシは、これまで、AIコミュニティから比較的少ない注目を集めてきた。
これは、スマートフォンユーザーのviewfinderコンテンツのあらゆる感度に対する意識を高めるために、プライバシーに配慮したヒントを生み出すためのソリューションに取り組みたいというモチベーションを与えます。
この目的のために、センシティブなコンテンツを識別する新しいフレームワークであるPrivPAS(リアルタイムプライバシ保存AIシステム)を導入する。
さらに、アクセシビリティマーカーを特定してローカライズするためにデータセットをキュレートし、アノテートし、障害のある被写体にイメージが敏感かどうかを分類する。
提案する軽量アーキテクチャは,メモリフットプリントがわずか8.49mbで,リソース制約のあるデバイス上で89.52%の高マップを実現する。
さらに、顔匿名化データに基づいてトレーニングされたパイプラインは、f1-scoreを73.1%で達成する。
関連論文リスト
- 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) - IEEE Big Data Cup 2022: Privacy Preserving Matching of Encrypted Images
with Deep Learning [1.179179628317559]
本稿では、最先端の深層畳み込みニューラルネットワークと様々なデータ拡張技術に基づくソリューションについて述べる。
私たちのソリューションは、IEEE Big Data Cup 2022: Privacy Preserving Matching of Encrypted Images Challengeで1位を獲得しました。
論文 参考訳（メタデータ） (2022-11-18T12:20:40Z) - Privacy Explanations - A Means to End-User Trust [64.7066037969487]
この問題に対処するために、説明可能性がどのように役立つかを検討しました。
私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。
我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
論文 参考訳（メタデータ） (2022-10-18T09:30:37Z) - Hierarchical Perceptual Noise Injection for Social Media Fingerprint
Privacy Protection [106.5308793283895]
ソーシャルメディアからの指紋漏洩は 画像を匿名化したいという強い欲求を喚起します
指紋漏洩を保護するために、画像に知覚不能な摂動を加えることにより、敵攻撃が解決策として現れる。
この問題を解決するために,階層型パーセプティカルノイズ注入フレームワークであるFingerSafeを提案する。
論文 参考訳（メタデータ） (2022-08-23T02:20:46Z) - Privacy-Preserving Face Recognition with Learnable Privacy Budgets in
Frequency Domain [77.8858706250075]
本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。
本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
論文 参考訳（メタデータ） (2022-07-15T07:15:36Z) - Does a Face Mask Protect my Privacy?: Deep Learning to Predict Protected
Attributes from Masked Face Images [0.6562256987706128]
我々は20,003個の合成マスク付き画像を持つResNet-50アーキテクチャに基づいてCNNを訓練・適用する。
マスク着用時のプライバシー侵害性には有意な差はない。
提案手法は,人工知能システムのプライバシー侵害性を評価するためのベースラインユーティリティとして機能する。
論文 参考訳（メタデータ） (2021-12-15T04:46:19Z) - Differentially Private Imaging via Latent Space Manipulation [5.446368808660037]
本稿では,無条件に訓練された生成モデルの潜在空間を操作することにより,画像の難読化に新たなアプローチを提案する。
これは、イメージプライバシに対する最初のアプローチで、$varepsilon$-differential privacy emphを満たす。
論文 参考訳（メタデータ） (2021-03-08T17:32:08Z) - FoggySight: A Scheme for Facial Lookup Privacy [8.19666118455293]
ソーシャルメディアにアップロードされる前に、相手の事例文献から学んだ教訓を適用して、プライバシー保護の方法で顔写真を修正するソリューションを提案し、評価します。
f foggysightの核となる機能はコミュニティ保護戦略であり、ユーザがプライバシーの保護者として行動することで、敵の機械学習アルゴリズムによって生成されたデコイ写真をアップロードする。
我々は、このスキームのさまざまな設定を調査し、未知の内部構造を持つ顔認識サービスを含む、顔のプライバシー保護を可能にすることを見出します。
論文 参考訳（メタデータ） (2020-12-15T19:57:18Z) - SocialGuard: An Adversarial Example Based Privacy-Preserving Technique
for Social Images [6.321399006735314]
本稿では,対象物検知器によるプライバシ盗難に対するソーシャルイメージのための,新たな逆例に基づくプライバシ保存手法を提案する。
提案手法の有効性を評価するために,プライバシ保存成功率とプライバシリーク率の2つの指標を用いる。
MS-COCOとPASCAL VOC 2007データセットのプライバシ保存成功率は96.1%と99.3%である。
論文 参考訳（メタデータ） (2020-11-27T05:12:47Z) - InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
視覚データに流出した個人情報を個人が制限できる技術について検討する。
我々はこの問題を新しい画像難読化フレームワークで解決する。
提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
論文 参考訳（メタデータ） (2020-05-20T19:48:04Z) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳（メタデータ） (2020-03-15T12:45:10Z)
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。