論文の概要: Privacy-Aware Joint Source-Channel Coding for image transmission based on Disentangled Information Bottleneck
- arxiv url: http://arxiv.org/abs/2309.08188v1
- Date: Fri, 15 Sep 2023 06:34:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 04:41:11.488666
- Title: Privacy-Aware Joint Source-Channel Coding for image transmission based on Disentangled Information Bottleneck
- Title（参考訳）: アンタングル情報ボトルネックに基づく画像伝送のためのプライバシ対応ジョイントソースチャネル符号化
- Authors: Lunan Sun, Caili Guo, Mingzhe Chen, Yang Yang,
- Abstract要約: 現在のプライバシを意識したジョイントソースチャネル符号化(JSCC)は、J SCCエンコーダとデコーダを敵対的に訓練することで、プライベート情報伝送を回避することを目的としている。
不整合情報ボトルネック(DIB-PAJSCC)に基づく新しいプライバシ対応J SCCを提案する。
また,DIB-PAJSCCは,従来の手法と比較して,プライベート情報の盗聴精度を最大20%低減できることを示した。
- 参考スコア（独自算出の注目度）: 27.929075969353764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current privacy-aware joint source-channel coding (JSCC) works aim at avoiding private information transmission by adversarially training the JSCC encoder and decoder under specific signal-to-noise ratios (SNRs) of eavesdroppers. However, these approaches incur additional computational and storage requirements as multiple neural networks must be trained for various eavesdroppers' SNRs to determine the transmitted information. To overcome this challenge, we propose a novel privacy-aware JSCC for image transmission based on disentangled information bottleneck (DIB-PAJSCC). In particular, we derive a novel disentangled information bottleneck objective to disentangle private and public information. Given the separate information, the transmitter can transmit only public information to the receiver while minimizing reconstruction distortion. Since DIB-PAJSCC transmits only public information regardless of the eavesdroppers' SNRs, it can eliminate additional training adapted to eavesdroppers' SNRs. Experimental results show that DIB-PAJSCC can reduce the eavesdropping accuracy on private information by up to 20\% compared to existing methods.
- Abstract（参考訳）: 現在のプライバシ対応ジョイントソースチャネル符号化(JSCC)は、盗聴者の特定の信号対雑音比(SNR)に基づいて、JSCCエンコーダとデコーダを敵対的に訓練することにより、プライベート情報伝送を回避することを目的としている。
しかし、これらのアプローチは、送信された情報を決定するために、複数のニューラルネットワークを様々な盗聴者のSNRのために訓練する必要があるため、さらなる計算と記憶の要求を生じさせる。
この課題を克服するために,不整合情報ボトルネック(DIB-PAJSCC)に基づく画像伝送のための新しいプライバシ対応JSCCを提案する。
特に,私的・公的な情報をアンタングル化するための,新たなアンタングル化情報ボトルネックを導出する。
送信機は、別途の情報を考慮し、復元歪みを最小化しつつ、公開情報のみを受信機に送信することができる。
DIB-PAJSCCは、盗聴者のSNRにかかわらず、公開情報のみを送信するため、盗聴者のSNRに適合した追加の訓練を不要にすることができる。
実験の結果,DIB-PAJSCCは従来の手法に比べて最大20倍の精度でプライベート情報の盗聴精度を低下させることができることがわかった。
関連論文リスト
- Collaborative Inference over Wireless Channels with Feature Differential Privacy [57.68286389879283]
複数の無線エッジデバイス間の協調推論は、人工知能(AI)アプリケーションを大幅に強化する可能性がある。
抽出された特徴を抽出することは、プロセス中に機密性の高い個人情報が暴露されるため、重大なプライバシーリスクをもたらす。
本稿では,ネットワーク内の各エッジデバイスが抽出された機能のプライバシを保護し,それらを中央サーバに送信して推論を行う,新たなプライバシ保存協調推論機構を提案する。
論文 参考訳（メタデータ） (2024-10-25T18:11:02Z) - Conditional Denoising Diffusion Probabilistic Models for Data Reconstruction Enhancement in Wireless Communications [12.218161437914118]
無線チャネル上でのデータ伝送と再構成を強化するために,条件付き拡散確率モデル(DDPM)を提案する。
これに触発された鍵となる考え方は、情報信号の「ノイズからクリーン」変換を学ぶ際に、拡散モデルの生成的先行性を活用することである。
提案手法は,情報内容の事前知識が利用可能な通信シナリオに有効である。
論文 参考訳（メタデータ） (2023-10-30T11:33:01Z) - Disentangled Information Bottleneck guided Privacy-Protective JSCC for Image Transmission [27.929075969353764]
ジョイントソースとチャネルコーディング(JSCC)は、その堅牢性と高い効率性から注目を集めている。
本稿では,画像伝送のためのプライバシ保護型 JSCC (DIB-PPJSCC) を提案する。
我々は、送信前のプライベートサブコードワードを暗号化する秘密情報暗号化装置と、対応する復号器を用いて、正統な受信者のプライベート情報を復元する。
論文 参考訳（メタデータ） (2023-09-19T02:37:53Z) - Secure Deep-JSCC Against Multiple Eavesdroppers [13.422085141752468]
本稿では,複数の盗聴者に対してセキュアなコミュニケーションを実現するためのエンド・ツー・エンド(E2E)学習手法を提案する。
我々は,データ駆動型セキュア通信方式を実現するために,ディープニューラルネットワーク(DNN)を実装した。
実験の結果,セキュアなニューラルエンコーディングを用いることで,対向精度を28%低下させることができることがわかった。
論文 参考訳（メタデータ） (2023-08-05T14:40:35Z) - Breaking the Communication-Privacy-Accuracy Tradeoff with
$f$-Differential Privacy [51.11280118806893]
サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。
有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。
より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
論文 参考訳（メタデータ） (2023-02-19T16:58:53Z) - Over-the-Air Federated Learning with Privacy Protection via Correlated
Additive Perturbations [57.20885629270732]
我々は、複数のユーザ/エージェントからエッジサーバへの勾配更新をOtA(Over-the-Air)で送信することで、無線フェデレーション学習のプライバシー面を考察する。
従来の摂動に基づく手法は、トレーニングの精度を犠牲にしてプライバシー保護を提供する。
本研究では,エッジサーバにおけるプライバシリークの最小化とモデル精度の低下を目標とする。
論文 参考訳（メタデータ） (2022-10-05T13:13:35Z) - Adaptive Information Bottleneck Guided Joint Source and Channel Coding
for Image Transmission [132.72277692192878]
画像伝送には適応情報ボトルネック(IB)誘導ジョイントソースとチャネル符号化(AIB-JSCC)が提案されている。
AIB-JSCCの目的は、画像再構成品質を改善しながら伝送速度を下げることである。
実験の結果,AIB-JSCCは送信データ量を大幅に削減し,再現性を向上させることができることがわかった。
論文 参考訳（メタデータ） (2022-03-12T17:44:02Z) - DP-REC: Private & Communication-Efficient Federated Learning [16.884416092951007]
本稿では,Relative Entropy Coding (REC) に基づく圧縮手法を提案する。
RECに小さな修正を加えて、証明可能な差分学習アルゴリズムDP-RECを取得し、そのプライバシー保証の計算方法を示す。
実験の結果,DP-RECは通信コストを大幅に削減し,プライバシー保証は最先端技術に匹敵することがわかった。
論文 参考訳（メタデータ） (2021-11-09T23:33:11Z) - Privacy-Aware Communication Over the Wiretap Channel with Generative
Networks [34.6578234382717]
エンド・ツー・エンド・ラーニング(エンド・ツー・エンド・ラーニング)を用いて,ワイアタップ・チャネル上でのプライバシ・アウェア・コミュニケーションについて検討する。
可変オートエンコーダ (VAE) を用いたジョイントソースチャネル符号化 (JSCC) を用いたデータ駆動方式を提案する。
論文 参考訳（メタデータ） (2021-10-08T12:47:24Z) - Graph-Homomorphic Perturbations for Private Decentralized Learning [64.26238893241322]
ローカルな見積もりの交換は、プライベートデータに基づくデータの推測を可能にする。
すべてのエージェントで独立して選択された摂動により、パフォーマンスが著しく低下する。
本稿では,特定のヌル空間条件に従って摂動を構成する代替スキームを提案する。
論文 参考訳（メタデータ） (2020-10-23T10:35:35Z) - RDP-GAN: A R\'enyi-Differential Privacy based Generative Adversarial
Network [75.81653258081435]
GAN(Generative Adversarial Network)は,プライバシ保護の高い現実的なサンプルを生成する能力によって,近年注目を集めている。
しかし、医療記録や財務記録などの機密・私的な訓練例にGANを適用すると、個人の機密・私的な情報を漏らしかねない。
本稿では、学習中の損失関数の値にランダムノイズを慎重に付加することにより、GAN内の差分プライバシー(DP)を実現するR'enyi-differentially private-GAN(RDP-GAN)を提案する。
論文 参考訳（メタデータ） (2020-07-04T09:51:02Z)
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。