論文の概要: #maskUp: Selective Attribute Encryption for Sensitive Vocalization for English language on Social Media Platforms

• arxiv url: http://arxiv.org/abs/2211.08653v1
• Date: Wed, 16 Nov 2022 04:10:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 14:54:14.601307
• Title: #maskUp: Selective Attribute Encryption for Sensitive Vocalization for English language on Social Media Platforms
• Title（参考訳）: maskup:ソーシャルメディアプラットフォームにおける英語のセンシティブな発声のための選択的属性暗号化
• Authors: Supriti Vijay and Aman Priyanshu
• Abstract要約: #maskUpは、関連する当局に対して安全な方法で情報通信を行う安全な方法である。 これにより、自然言語処理によるプライバシ保護によってセキュリティが保証される。 マスク技術を使用することで、当局はこのデータを閲覧/アンマスクできる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media has become a platform for people to stand up and raise their voices against social and criminal acts. Vocalization of such information has allowed the investigation and identification of criminals. However, revealing such sensitive information may jeopardize the victim's safety. We propose #maskUp, a safe method for information communication in a secure fashion to the relevant authorities, discouraging potential bullying of the victim. This would ensure security by conserving their privacy through natural language processing supplemented with selective encryption for sensitive attribute masking. To our knowledge, this is the first work that aims to protect the privacy of the victims by masking their private details as well as emboldening them to come forward to report crimes. The use of masking technology allows only binding authorities to view/un-mask this data. We construct and evaluate the proposed methodology on continual learning tasks, allowing practical implementation of the same in a real-world scenario. #maskUp successfully demonstrates this integration on sample datasets validating the presented objective.
• Abstract（参考訳）: ソーシャルメディアは、人々が立ち上がり、社会や犯罪行為に対して声を上げるためのプラットフォームになっている。 このような情報のヴォーカライゼーションは、犯罪者の調査と特定を可能にした。 しかし、そのような機密情報を明らかにすると、被害者の安全を損なう恐れがある。 我々は,関連する当局に対して安全な方法で情報通信を行うための安全な方法である#maskupを提案し,被害者のいじめの可能性を損なう。 これにより、機密属性マスキングのための選択的暗号化を補足した自然言語処理を通じて、プライバシを保護できる。 われわれの知る限り、これは被害者の個人情報を隠蔽し、犯罪を報告するよう強制することによる被害者のプライバシー保護を目的とした最初の作品である。 マスク技術を使用することで、当局はこのデータを閲覧/アンマスクできる。 提案手法は,実世界シナリオで実現可能な連続学習タスクの構築と評価を行う。 maskupは、提示された目的を検証するサンプルデータセットで、この統合をうまく実証する。

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)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• User-Centered Security in Natural Language Processing [0.7106986689736825]
  自然言語処理(NLP)におけるユーザ中心のセキュリティの枠組みの提案 NLP内の2つのセキュリティドメインに重点を置いている。
  論文  参考訳（メタデータ） (2023-01-10T22:34:19Z)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• 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)
• Protecting gender and identity with disentangled speech representations [49.00162808063399]
  音声における性情報保護は,話者識別情報のモデル化よりも効果的であることを示す。 性別情報をエンコードし、2つの敏感な生体識別子を解読する新しい方法を提示する。
  論文  参考訳（メタデータ） (2021-04-22T13:31:41Z)
• Speaker De-identification System using Autoencoders and Adversarial Training [58.720142291102135]
  本稿では,対人訓練とオートエンコーダに基づく話者識別システムを提案する。 実験結果から, 対向学習とオートエンコーダを組み合わせることで, 話者検証システムの誤り率が同等になることがわかった。
  論文  参考訳（メタデータ） (2020-11-09T19:22:05Z)
• 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。