論文の概要: Over-the-Air Collaborative Inference with Feature Differential Privacy

• arxiv url: http://arxiv.org/abs/2406.00256v1
• Date: Sat, 1 Jun 2024 01:39:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-06 08:04:10.303487
• Title: Over-the-Air Collaborative Inference with Feature Differential Privacy
• Title（参考訳）: 特徴差分プライバシを用いたオーバー・ザ・エア協調推論
• Authors: Mohamed Seif, Yuqi Nie, Andrea Goldsmith, Vincent Poor,
• Abstract要約: 協調推論は、自律運転、個人識別、アクティビティ分類を含む人工知能(AI)の応用を強化することができる。 抽出された特徴の伝達は、機密性の高い個人情報を暴露する危険性を伴う。 新たなプライバシ保護協調推論機構が開発されている。
• 参考スコア（独自算出の注目度）: 8.099700053397278
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaborative inference in next-generation networks can enhance Artificial Intelligence (AI) applications, including autonomous driving, personal identification, and activity classification. This method involves a three-stage process: a) data acquisition through sensing, b) feature extraction, and c) feature encoding for transmission. Transmission of the extracted features entails the potential risk of exposing sensitive personal data. To address this issue, in this work a new privacy-protecting collaborative inference mechanism is developed. Under this mechanism, each edge device in the network protects the privacy of extracted features before transmitting them to a central server for inference. This mechanism aims to achieve two main objectives while ensuring effective inference performance: 1) reducing communication overhead, and 2) maintaining strict privacy guarantees during features transmission.
• Abstract（参考訳）: 次世代ネットワークにおける協調推論は、自律運転、個人識別、アクティビティ分類を含む人工知能(AI)アプリケーションを強化することができる。 この方法は3段階のプロセスを含む。 a) センシングによるデータ取得 b)特徴抽出,及び c) 送信のための特徴符号化 抽出した特徴の伝達は、機密性の高い個人情報を暴露する危険性を伴う。 この問題に対処するため,新たなプライバシー保護型協調推論機構が開発されている。 このメカニズムの下で、ネットワーク内の各エッジデバイスは、推論のために中央サーバに送信する前に抽出した機能のプライバシを保護する。 このメカニズムは、効果的な推論性能を確保しながら、2つの主要な目的を達成することを目的としている。 1)通信のオーバーヘッドを減らし 2)機能伝達時の厳格なプライバシー保証を維持すること。

関連論文リスト

• Facial Expression Recognition with Controlled Privacy Preservation and Feature Compensation [24.619279669211842]
  顔表情認識(FER)システムは、機密情報の潜在的な暴露により、重要なプライバシー上の懸念を生じさせる。 本稿では,FER機能を保ちながら識別情報を除去する手法を提案する。 プライバシを損なうことなく,パフォーマンスを最適化する制御されたプライバシ強化機構とタスク関連機能を強化する機能補償機構を導入する。
  論文  参考訳（メタデータ） (2024-11-29T23:12:38Z)
• Inference Privacy: Properties and Mechanisms [8.471466670802817]
  推論プライバシ(IP)は、推論時にユーザのデータに対して厳格なプライバシ保証を提供しながら、モデルと対話することを可能にする。 本稿では,ユーザがカスタマイズ可能な入力摂動と出力摂動という,IPを実現するための2つのメカニズムを提案する。
  論文  参考訳（メタデータ） (2024-11-27T20:47:28Z)
• 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)
• Unified Mechanism-Specific Amplification by Subsampling and Group Privacy Amplification [54.1447806347273]
  サブサンプリングによる増幅は、差分プライバシーを持つ機械学習の主要なプリミティブの1つである。 本稿では、メカニズム固有の保証を導出するための最初の一般的なフレームワークを提案する。 サブサンプリングが複数のユーザのプライバシに与える影響を分析する。
  論文  参考訳（メタデータ） (2024-03-07T19:36:05Z)
• 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)
• 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)
• 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)
• Bandwidth-Adaptive Feature Sharing for Cooperative LIDAR Object Detection [2.064612766965483]
  コネクテッド・自動運転車(CAV)領域で必要となる状況認識。 協調機構は、高速無線車載ネットワークを利用して状況認識を改善するソリューションを提供する。 本稿では,通信チャネル容量に適応する柔軟性を付加する機構と,新たな分散共有データアライメント手法を提案する。
  論文  参考訳（メタデータ） (2020-10-22T00:12:58Z)
• Differentially Private Multi-Agent Planning for Logistic-like Problems [70.3758644421664]
  本稿では,ロジスティックな問題に対する強力なプライバシ保護計画手法を提案する。 1) 強いプライバシー、完全性、効率性、2) 通信制約に対処する2つの課題に対処する。 我々の知る限り、マルチエージェントプランニングの分野に差分プライバシーを適用したのは、この論文が初めてである。
  論文  参考訳（メタデータ） (2020-08-16T03:43:09Z)

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。