論文の概要: PriMask: Cascadable and Collusion-Resilient Data Masking for Mobile Cloud Inference

• arxiv url: http://arxiv.org/abs/2211.06716v1
• Date: Sat, 12 Nov 2022 17:54:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 20:40:25.961094
• Title: PriMask: Cascadable and Collusion-Resilient Data Masking for Mobile Cloud Inference
• Title（参考訳）: PriMask: モバイルクラウド推論のためのカスケードおよび衝突耐性データマスキング
• Authors: Linshan Jiang, Qun Song, Rui Tan, Mo Li
• Abstract要約: モバイルデバイスは、MaskNetと呼ばれる秘密の小さなニューラルネットワークを使って、送信前にデータを隠蔽する。 PriMaskは、データを復元したり、特定のプライベート属性を抽出するクラウドの能力を著しく低下させる。 多様なモダリティと複雑さを持つ3つのモバイルセンシングアプリケーションにPriMaskを適用する。
• 参考スコア（独自算出の注目度）: 8.699639153183723
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mobile cloud offloading is indispensable for inference tasks based on large-scale deep models. However, transmitting privacy-rich inference data to the cloud incurs concerns. This paper presents the design of a system called PriMask, in which the mobile device uses a secret small-scale neural network called MaskNet to mask the data before transmission. PriMask significantly weakens the cloud's capability to recover the data or extract certain private attributes. The MaskNet is em cascadable in that the mobile can opt in to or out of its use seamlessly without any modifications to the cloud's inference service. Moreover, the mobiles use different MaskNets, such that the collusion between the cloud and some mobiles does not weaken the protection for other mobiles. We devise a {\em split adversarial learning} method to train a neural network that generates a new MaskNet quickly (within two seconds) at run time. We apply PriMask to three mobile sensing applications with diverse modalities and complexities, i.e., human activity recognition, urban environment crowdsensing, and driver behavior recognition. Results show PriMask's effectiveness in all three applications.
• Abstract（参考訳）: 大規模深層モデルに基づく推論タスクには,モバイルクラウドのオフロードが不可欠である。 しかし、プライバシに富んだ推測データをクラウドに送信することは懸念を引き起こす。 本稿では,モバイル端末がマスネットと呼ばれる秘密の小型ニューラルネットワークを用いて送信前のデータをマスキングするシステムprimuskの設計について述べる。 PriMaskは、データを復元したり、特定のプライベート属性を抽出するクラウドの能力を著しく低下させる。 MaskNetは、クラウドの推論サービスを変更することなく、モバイルがシームレスにその使用をオプトインまたはオフできる、というケースがあります。 さらに、モバイルは異なるマスクネットを使用するため、クラウドと一部のモバイルとの結合は、他のモバイルに対する保護を弱めない。 そこで我々は,新しいMaskNetを(2秒で)高速に生成するニューラルネットワークをトレーニングするために, {\em split adversarial learning} 法を考案した。 多様なモダリティと複雑さを持つ3つのモバイルセンシングアプリケーション、すなわち、人間の活動認識、都市環境のクラウドセンシング、運転行動認識に適用する。 結果は、3つのアプリケーションすべてでPriMaskの有効性を示している。

関連論文リスト

• MaDi: Learning to Mask Distractions for Generalization in Visual Deep Reinforcement Learning [40.7452827298478]
  本稿では,報酬信号のみによる注意を隠蔽する新しいアルゴリズムであるMaDiを紹介する。 MaDiでは、強化学習剤の従来のアクター・クリティカルな構造は、3番目の兄弟であるMaskerによって補完される。 提案アルゴリズムは有用なマスクを用いてエージェントの焦点を改良し,その効率の良いMaskerネットワークは元の構造に0.2%以上のパラメータしか加えない。
  論文  参考訳（メタデータ） (2023-12-23T20:11:05Z)
• Mobile-Cloud Inference for Collaborative Intelligence [3.04585143845864]
  ディープラーニングモデル推論の高速化と省エネの必要性が高まっている。 歴史的に、モバイルデバイス上で実行されるモデルは、クラウド上でしか実行できない大規模な最先端の研究モデルと比較して、小さく、よりシンプルである。 クラウドのみの推論では、ネットワーク帯域幅の消費の増加やレイテンシの向上といった欠点がある。 別のアプローチとして、共有モバイルクラウド推論がある。
  論文  参考訳（メタデータ） (2023-06-24T14:22:53Z)
• Towards Improved Input Masking for Convolutional Neural Networks [66.99060157800403]
  層マスキングと呼ぶCNNのための新しいマスキング手法を提案する。 本手法は,マスク形状や色がモデル出力に与える影響を排除あるいは最小化することができることを示す。 また,マスクの形状がクラスに関する情報を漏洩させる可能性を示し,クラス関連特徴に対するモデル依存度の推定に影響を及ぼすことを示した。
  論文  参考訳（メタデータ） (2022-11-26T19:31:49Z)
• Mask or Non-Mask? Robust Face Mask Detector via Triplet-Consistency Representation Learning [23.062034116854875]
  新型コロナウイルスの感染拡大を遅らせる効果的な方法の1つは、ワクチンや薬品がない場合、マスクを着用することである。 公共の場でのマスクや覆いの使用を義務付けるには、面倒で注意が集中的な人的資源の追加が必要である。 本稿では,フィードフォワード畳み込みニューラルネットワークの効果的な注目を実現するために,コンテキストアテンションモジュールを用いたフェイスマスク検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-01T16:44:06Z)
• Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face Presentation Attack Detection [103.7264459186552]
  顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。 ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。 現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
  論文  参考訳（メタデータ） (2021-04-13T12:48:38Z)
• Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
  スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。 ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。 一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
  論文  参考訳（メタデータ） (2021-03-31T01:48:29Z)
• Mask Attention Networks: Rethinking and Strengthen Transformer [70.95528238937861]
  Transformerは、セルフアテンションネットワーク(SAN)とフィードフォワードネットワーク(FFN)の2つのサブレイヤからなる注目ベースのニューラルネットワークです。
  論文  参考訳（メタデータ） (2021-03-25T04:07:44Z)
• BinaryCoP: Binary Neural Network-based COVID-19 Face-Mask Wear and Positioning Predictor on Edge Devices [63.56630165340053]
  フェイスマスクは、空気性疾患に対する双方向保護のための医療に効果的な解決策を提供する。 CNNは、顔認識と正しいマスク着用と位置決めの分類に優れたソリューションを提供する。 CNNは、企業ビル、空港、ショッピングエリア、その他の屋内場所への入り口で利用でき、ウイルスの拡散を緩和することができる。
  論文  参考訳（メタデータ） (2021-02-06T00:14:06Z)
• Shared Mobile-Cloud Inference for Collaborative Intelligence [35.103437828235826]
  ニューラルモデル推論のための共有モバイルクラウド推論手法を提案する。 この戦略は、推論レイテンシ、エネルギー消費、ネットワーク帯域使用量を改善することができる。 伝送前に特徴テンソルを圧縮することにより、さらなる性能向上を実現することができる。
  論文  参考訳（メタデータ） (2020-02-01T07:12:01Z)
• Ternary Feature Masks: zero-forgetting for task-incremental learning [68.34518408920661]
  本稿では,タスク認識体制の継続的な学習を忘れずにアプローチを提案する。 第三のマスクを使用することで、モデルを新しいタスクにアップグレードしたり、以前のタスクからの知識を再利用したりできます。 本手法は,重みに基づく手法と比較して,メモリオーバーヘッドを低減しつつ,最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-01-23T18:08:37Z)

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。