論文の概要: IEEE Big Data Cup 2022: Privacy Preserving Matching of Encrypted Images
with Deep Learning
- arxiv url: http://arxiv.org/abs/2211.11565v1
- Date: Fri, 18 Nov 2022 12:20:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 17:33:58.191441
- Title: IEEE Big Data Cup 2022: Privacy Preserving Matching of Encrypted Images
with Deep Learning
- Title(参考訳): IEEE Big Data Cup 2022: 暗号化された画像とディープラーニングのマッチングを保持するプライバシ
- Authors: Vrizlynn L. L. Thing
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 1.179179628317559
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Smart sensors, devices and systems deployed in smart cities have brought
improved physical protections to their citizens. Enhanced crime prevention, and
fire and life safety protection are achieved through these technologies that
perform motion detection, threat and actors profiling, and real-time alerts.
However, an important requirement in these increasingly prevalent deployments
is the preservation of privacy and enforcement of protection of personal
identifiable information. Thus, strong encryption and anonymization techniques
should be applied to the collected data. In this IEEE Big Data Cup 2022
challenge, different masking, encoding and homomorphic encryption techniques
were applied to the images to protect the privacy of their contents.
Participants are required to develop detection solutions to perform privacy
preserving matching of these images. In this paper, we describe our solution
which is based on state-of-the-art deep convolutional neural networks and
various data augmentation techniques. Our solution achieved 1st place at the
IEEE Big Data Cup 2022: Privacy Preserving Matching of Encrypted Images
Challenge.
- Abstract(参考訳): スマートシティに配備されたスマートセンサー、デバイス、システムは、市民に身体保護の改善をもたらした。
これらの技術により、防犯・防火・生命保護が強化され、動き検知、脅威・アクタのプロファイリング、リアルタイムのアラートを行う。
しかし、これらの展開において重要な要件は、プライバシーの保護と個人識別可能な情報の保護の実施である。
したがって、収集したデータに強力な暗号化と匿名化技術を適用する必要がある。
このieee big data cup 2022チャレンジでは、異なるマスキング、エンコーディング、準同型暗号化技術が画像に適用され、コンテンツのプライバシを保護する。
参加者は、これらの画像のマッチングをプライバシー保護するために検出ソリューションを開発する必要がある。
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解について述べる。
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。
関連論文リスト
- 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) - CLIP2Protect: Protecting Facial Privacy using Text-Guided Makeup via
Adversarial Latent Search [10.16904417057085]
ディープラーニングベースの顔認識システムは、デジタル世界のユーザを無許可で追跡することができる。
既存のプライバシーを強化する方法は、ユーザー体験を損なうことなく、顔のプライバシーを保護することができる自然主義的なイメージを生成するのに失敗する。
本稿では,事前学習された生成モデルの低次元多様体における逆潜時符号の発見に依存する,顔のプライバシー保護のための新しい2段階のアプローチを提案する。
論文 参考訳(メタデータ) (2023-06-16T17:58:15Z) - 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) - PrivacyProber: Assessment and Detection of Soft-Biometric
Privacy-Enhancing Techniques [1.790445868185437]
そこで本研究では, バイオメトリック・プライバシ・エンハンシング技術を用いて, 回復の試みの信頼性について検討する。
プライバシ強化顔画像からソフトバイオメトリック情報を復元するための高レベルフレームワークであるPrivacyProberを提案する。
論文 参考訳(メタデータ) (2022-11-16T12:20:18Z) - 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) - Privacy-Preserving Image Acquisition Using Trainable Optical Kernel [50.1239616836174]
本稿では、画像センサに到達する前に、光学領域の感度の高い識別情報を除去する訓練可能な画像取得手法を提案する。
イメージセンサに到達する前に、センシティブなコンテンツが抑制されるため、デジタルドメインには入らないため、いかなる種類のプライバシー攻撃でも検索できない。
論文 参考訳(メタデータ) (2021-06-28T11:08:14Z) - 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) - Target Privacy Threat Modeling for COVID-19 Exposure Notification
Systems [8.080564346335542]
デジタル接触追跡(DCT)技術は感染症の拡散を遅らせるのに役立っている。
倫理的技術デプロイメントとユーザ採用の両方をサポートするためには、プライバシが最前線にある必要があります。
プライバシーの喪失は重大な脅威であり、徹底的な脅威モデリングは、DCT技術が進歩するにつれて、プライバシーの強化と保護に役立ちます。
論文 参考訳(メタデータ) (2020-09-25T02:09:51Z) - 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。