論文の概要: Re-purposing Perceptual Hashing based Client Side Scanning for Physical
Surveillance
- arxiv url: http://arxiv.org/abs/2212.04107v1
- Date: Thu, 8 Dec 2022 06:52:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 16:18:39.738723
- Title: Re-purposing Perceptual Hashing based Client Side Scanning for Physical
Surveillance
- Title（参考訳）: 物理監視のための知覚ハッシュに基づくクライアントサイドスキャンの再提案
- Authors: Ashish Hooda, Andrey Labunets, Tadayoshi Kohno, Earlence Fernandes
- Abstract要約: 我々は、ある種類の誤用の可能性について実験的に特徴づける。攻撃者はコンテンツスキャンシステムを操作し、ターゲットの場所を物理的に監視する。
我々は,(1)クライアント側画像スキャンシステムにおける物理的監視の定義を提供し,(2)このリスクを実験的に評価し,知覚的ハッシュデータベースの5%を汚染することにより,身体的監視率を40%以上とする監視アルゴリズムを構築した。
- 参考スコア（独自算出の注目度）: 11.32995543117422
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Content scanning systems employ perceptual hashing algorithms to scan user
content for illegal material, such as child pornography or terrorist
recruitment flyers. Perceptual hashing algorithms help determine whether two
images are visually similar while preserving the privacy of the input images.
Several efforts from industry and academia propose to conduct content scanning
on client devices such as smartphones due to the impending roll out of
end-to-end encryption that will make server-side content scanning difficult.
However, these proposals have met with strong criticism because of the
potential for the technology to be misused and re-purposed. Our work informs
this conversation by experimentally characterizing the potential for one type
of misuse -- attackers manipulating the content scanning system to perform
physical surveillance on target locations. Our contributions are threefold: (1)
we offer a definition of physical surveillance in the context of client-side
image scanning systems; (2) we experimentally characterize this risk and create
a surveillance algorithm that achieves physical surveillance rates of >40% by
poisoning 5% of the perceptual hash database; (3) we experimentally study the
trade-off between the robustness of client-side image scanning systems and
surveillance, showing that more robust detection of illegal material leads to
increased potential for physical surveillance.
- Abstract（参考訳）: コンテンツスキャンシステムは、児童ポルノやテロリストのリクルートチラーといった違法なコンテンツのユーザコンテンツをスキャンするために知覚ハッシュアルゴリズムを使用している。
知覚ハッシュアルゴリズムは、2つの画像が視覚的に類似しているかどうかを判断するのに役立つ。
業界と学界のいくつかの取り組みは、サーバサイドのコンテンツスキャンが困難になるエンドツーエンド暗号化のロールアウトが迫っているため、スマートフォンなどのクライアントデバイスでコンテンツスキャンを行うことを提案する。
しかし、これらの提案は、この技術が誤用され、再利用される可能性があるため、強い批判を受けた。
我々の研究は、ある種類の誤用の可能性を実験的に特徴づけることで、この会話に報いる。攻撃者はコンテンツスキャンシステムを操作し、ターゲットの場所を物理的に監視する。
Our contributions are threefold: (1) we offer a definition of physical surveillance in the context of client-side image scanning systems; (2) we experimentally characterize this risk and create a surveillance algorithm that achieves physical surveillance rates of >40% by poisoning 5% of the perceptual hash database; (3) we experimentally study the trade-off between the robustness of client-side image scanning systems and surveillance, showing that more robust detection of illegal material leads to increased potential for physical surveillance.
関連論文リスト
- A Machine Learning-Based Secure Face Verification Scheme and Its Applications to Digital Surveillance [0.9208007322096533]
ほとんどの現実世界の認識システムは、認証に使用される識別に敏感な顔画像を保護することの重要性を無視している。
我々は、DeepID2畳み込みニューラルネットワークを用いて、顔画像の特徴を抽出し、EMアルゴリズムを用いて顔認証問題を解決する。
我々は,3段階のプライバシ懸念に基づいて,地域社会の監視(または入り口)制御のための3つの顔認証システムを開発した。
論文 参考訳（メタデータ） (2024-10-29T12:25:00Z) - Privacy-Preserving Deep Learning Using Deformable Operators for Secure Task Learning [14.187385349716518]
既存のプライバシー保護方法は、画像暗号化や知覚変換アプローチに依存している。
安全なタスク学習に変形可能な演算子の集合を用いる新しいプライバシ保存フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-08T19:46:20Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - 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) - Synthetic ID Card Image Generation for Improving Presentation Attack
Detection [12.232059909207578]
本研究は,不正検出ネットワークを訓練しながら,データ量を増やすために,IDカード画像を合成的に生成する3つの手法について検討する。
以上の結果から, PAIS (Print/Scan Presentation Attack Instrument Species) の性能低下や, PAIS (Sing/Scan Presentation Instrument Species) の性能低下を伴わずに, 合成画像でデータベースを補足できることが示唆された。
論文 参考訳（メタデータ） (2022-10-31T19:07:30Z) - Adversarially-Aware Robust Object Detector [85.10894272034135]
本稿では,ロバスト検出器 (RobustDet) を提案する。
本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
論文 参考訳（メタデータ） (2022-07-13T13:59:59Z) - Psychophysical Evaluation of Human Performance in Detecting Digital Face
Image Manipulations [14.63266615325105]
この研究は、心理物理学の分野から採用された原則に基づいて、Webベースの遠隔視覚的識別実験を導入する。
本研究では,顔のスワップ,フォーミング,リタッチなど,さまざまな種類の顔画像を検出する能力について検討する。
論文 参考訳（メタデータ） (2022-01-28T12:45:33Z) - 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) - Exploring Adversarial Robustness of Multi-Sensor Perception Systems in
Self Driving [87.3492357041748]
本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。
実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。
よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
論文 参考訳（メタデータ） (2021-01-17T21:15:34Z) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。
トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文 参考訳（メタデータ） (2020-12-07T11:02:44Z)
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。