論文の概要: EViT: Privacy-Preserving Image Retrieval via Encrypted Vision
Transformer in Cloud Computing
- arxiv url: http://arxiv.org/abs/2208.14657v1
- Date: Wed, 31 Aug 2022 07:07:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-01 13:45:39.555901
- Title: EViT: Privacy-Preserving Image Retrieval via Encrypted Vision
Transformer in Cloud Computing
- Title（参考訳）: EViT:クラウドコンピューティングにおける暗号化ビジョントランスフォーマーによるプライバシ保護画像検索
- Authors: Qihua Feng, Peiya Li, Zhixun Lu, Chaozhuo Li, Zefang Wang, Zhiquan
Liu, Chunhui Duan, Feiran Huang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 9.41257807502252
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image retrieval systems help users to browse and search among extensive
images in real-time. With the rise of cloud computing, retrieval tasks are
usually outsourced to cloud servers. However, the cloud scenario brings a
daunting challenge of privacy protection as cloud servers cannot be fully
trusted. To this end, image-encryption-based privacy-preserving image retrieval
schemes have been developed, which first extract features from cipher-images,
and then build retrieval models based on these features. Yet, most existing
approaches extract shallow features and design trivial retrieval models,
resulting in insufficient expressiveness for the cipher-images. In this paper,
we propose a novel paradigm named Encrypted Vision Transformer (EViT), which
advances the discriminative representations capability of cipher-images. First,
in order to capture comprehensive ruled information, we extract multi-level
local length sequence and global Huffman-code frequency features from the
cipher-images which are encrypted by stream cipher during JPEG compression
process. Second, we design the Vision Transformer-based retrieval model to
couple with the multi-level features, and propose two adaptive data
augmentation methods to improve representation power of the retrieval model.
Our proposal can be easily adapted to unsupervised and supervised settings via
self-supervised contrastive learning manner. Extensive experiments reveal that
EViT achieves both excellent encryption and retrieval performance,
outperforming current schemes in terms of retrieval accuracy by large margins
while protecting image privacy effectively. Code is publicly available at
\url{https://github.com/onlinehuazai/EViT}.
- Abstract（参考訳）: 画像検索システムは、ユーザが広範囲な画像のブラウズと検索をリアルタイムで行えるようにする。
クラウドコンピューティングの普及に伴い、検索タスクは通常、クラウドサーバにアウトソースされる。
しかし、クラウドのシナリオは、クラウドサーバーが完全に信頼できないため、プライバシー保護の恐ろしい課題をもたらす。
この目的のために,まず暗号画像から特徴を抽出し,それらの特徴に基づく検索モデルを構築する,画像暗号化に基づくプライバシー保存画像検索方式が開発されている。
しかし、既存のほとんどのアプローチは浅い特徴と設計の自明な検索モデルを取り出すため、暗号画像の表現性は不十分である。
本稿では,暗号画像の識別表現能力を向上させる新しい手法である暗号化視覚トランスフォーマ(evit)を提案する。
まず, JPEG圧縮処理中にストリーム暗号によって暗号化された暗号画像から, 多レベル局所長シーケンスとグローバルハフマン符号の周波数特徴を抽出する。
第2に,多レベル特徴を結合する視覚トランスフォーマティブに基づく検索モデルの設計を行い,検索モデルの表現力を向上させるための2つの適応データ拡張手法を提案する。
提案手法は,自己指導型コントラスト学習手法により,教師なし,教師なしの設定に容易に適応できる。
大規模な実験により、EViTは優れた暗号化と検索性能を達成し、画像のプライバシーを効果的に保護しながら、検索精度において現在のスキームよりも優れていることが判明した。
コードは \url{https://github.com/onlinehuazai/EViT} で公開されている。
関連論文リスト
- Enabling Practical and Privacy-Preserving Image Processing [5.526464269029825]
ホモモルフィック暗号化(FHE)は、暗号化されたデータの計算を可能にし、復号化を必要とせずに機密性を保存する。
従来のFHEメソッドは、ピクセルの代わりにモノリシックなデータブロックで画像を暗号化することが多い。
CKKS方式に基づく画素レベルの同型暗号化手法iCHEETAHを提案し,実装する。
論文 参考訳（メタデータ） (2024-09-05T14:22:02Z) - Leveraging Representations from Intermediate Encoder-blocks for Synthetic Image Detection [13.840950434728533]
SID(State-of-the-art Synthetic Image Detection)研究は、基礎モデルからの特徴抽出の利点を強く証明している。
軽量ネットワークを介してCLIPの画像エンコーダの中間トランスフォーマーブロックから抽出した画像表現を利用する。
本手法は,20個のテストデータセットで評価し,平均+10.6%の絶対性能向上を示すことにより,最先端の手法と比較した。
論文 参考訳（メタデータ） (2024-02-29T12:18:43Z) - Recoverable Privacy-Preserving Image Classification through Noise-like
Adversarial Examples [26.026171363346975]
分類などのクラウドベースの画像関連サービスが重要になっている。
本研究では,新しいプライバシー保護画像分類手法を提案する。
暗号化された画像は、秘密鍵を使用して、高い忠実度(保存可能な)で元の形式に復号することができる。
論文 参考訳（メタデータ） (2023-10-19T13:01:58Z) - PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via
Secure Flow [69.78820726573935]
保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。
本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
論文 参考訳（メタデータ） (2023-07-18T10:55:54Z) - 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) - Generative Model-Based Attack on Learnable Image Encryption for
Privacy-Preserving Deep Learning [14.505867475659276]
本稿では,プライバシ保護深層学習のための学習可能な画像暗号化手法に対する,新たな生成モデルに基づく攻撃を提案する。
我々は、StyleGANベースモデルと潜伏拡散ベースモデルという、最先端の2つの生成モデルを使用している。
その結果,提案手法により再構成された画像は,通常の画像と知覚的に類似していることがわかった。
論文 参考訳（メタデータ） (2023-03-09T05:00:17Z) - 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) - THE-X: Privacy-Preserving Transformer Inference with Homomorphic
Encryption [112.02441503951297]
トランスフォーマーモデルのプライバシ保護推論は、クラウドサービスユーザの要求に基づいています。
我々は、事前訓練されたモデルのプライバシ保存推論を可能にするトランスフォーマーの近似アプローチである$textitTHE-X$を紹介した。
論文 参考訳（メタデータ） (2022-06-01T03:49:18Z) - Modeling Lost Information in Lossy Image Compression [72.69327382643549]
ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。
Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-22T04:04:56Z) - 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。