論文の概要: NeR-VCP: A Video Content Protection Method Based on Implicit Neural Representation
- arxiv url: http://arxiv.org/abs/2408.15281v1
- Date: Tue, 20 Aug 2024 16:23:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-01 16:32:17.769324
- Title: NeR-VCP: A Video Content Protection Method Based on Implicit Neural Representation
- Title（参考訳）: NeR-VCP:暗黙のニューラル表現に基づくビデオコンテンツ保護手法
- Authors: Yangping Lin, Yan Ke, Ke Niu, Jia Liu, Xiaoyuan Yang,
- Abstract要約: 暗黙的ニューラル表現に基づくビデオコンテンツ保護のための自動暗号化手法を提案する。
NeR-VCPはまず、送信者によって訓練されたキー制御可能なモジュールを受信者に事前配布する。
我々は,視覚的表現,不正ユーザに対する非受容性,暗号的観点からのセキュリティにおいて,優れた性能を有することを実験的に見出した。
- 参考スコア（独自算出の注目度）: 7.726354287366925
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the popularity of video applications, the security of video content has emerged as a pressing issue that demands urgent attention. Most video content protection methods mainly rely on encryption technology, which needs to be manually designed or implemented in an experience-based manner. To address this problem, we propose an automatic encryption technique for video content protection based on implicit neural representation. We design a key-controllable module, which serves as a key for encryption and decryption. NeR-VCP first pre-distributes the key-controllable module trained by the sender to the recipients, and then uses Implicit Neural Representation (INR) with a (pre-distributed) key-controllable module to encrypt plain video as an implicit neural network, and the legal recipients uses a pre-distributed key-controllable module to decrypt this cipher neural network (the corresponding implicit neural network). Under the guidance of the key-controllable design, our method can improve the security of video content and provide a novel video encryption scheme. Moreover, using model compression techniques, this method can achieve video content protection while effectively mitigating the amount of encrypted data transferred. We experimentally find that it has superior performance in terms of visual representation, imperceptibility to illegal users, and security from a cryptographic viewpoint.
- Abstract（参考訳）: ビデオアプリケーションの人気により、ビデオコンテンツのセキュリティは、緊急の注意を喚起するプレス問題として浮上している。
ほとんどのビデオコンテンツ保護方法は、主に暗号化技術に依存しており、手動で設計や実装を経験ベースで行う必要がある。
この問題に対処するために,暗黙的ニューラル表現に基づくビデオコンテンツ保護のための自動暗号化手法を提案する。
我々は、暗号化と復号化の鍵となるキー制御可能なモジュールを設計する。
NeR-VCPはまず、送信者によって訓練されたキー制御可能なモジュールを受信者に事前配布し、次にインプリシットニューラルネットワーク(INR)と(予め配布された)キー制御可能なモジュールを使用して、プレーンビデオを暗黙のニューラルネットワークとして暗号化し、法定受信者は、この暗号ニューラルネットワーク(対応する暗黙のニューラルネットワーク)を復号するために、予め配布されたキー制御可能なモジュールを使用する。
キー制御可能な設計の指導のもと、ビデオコンテンツのセキュリティを改善し、新しいビデオ暗号化方式を提供する。
さらに、モデル圧縮技術を用いることで、転送される暗号化データの量を効果的に軽減しつつ、映像コンテンツ保護を実現することができる。
我々は,視覚的表現,不正ユーザに対する非受容性,暗号的観点からのセキュリティにおいて,優れた性能を有することを実験的に見出した。
関連論文リスト
- When Video Coding Meets Multimodal Large Language Models: A Unified Paradigm for Video Coding [112.44822009714461]
CMVC(Cross-Modality Video Coding)は、ビデオ符号化における多モード表現とビデオ生成モデルを探索する先駆的な手法である。
復号化の際には、以前に符号化されたコンポーネントとビデオ生成モデルを利用して複数の復号モードを生成する。
TT2Vは効果的な意味再構成を実現し,IT2Vは競争力のある知覚整合性を示した。
論文 参考訳（メタデータ） (2024-08-15T11:36:18Z) - CodeChameleon: Personalized Encryption Framework for Jailbreaking Large
Language Models [49.60006012946767]
パーソナライズされた暗号化手法に基づく新しいジェイルブレイクフレームワークであるCodeChameleonを提案する。
我々は、7つの大規模言語モデルに関する広範な実験を行い、最先端の平均アタック成功率(ASR)を達成する。
GPT-4-1106上で86.6%のASRを実現する。
論文 参考訳（メタデータ） (2024-02-26T16:35:59Z) - A Privacy-preserving key transmission protocol to distribute QRNG keys using zk-SNARKs [2.254434034390528]
量子乱数生成器は、暗号アルゴリズムに高品質な鍵を提供することができる。
既存のエントロピー・アズ・ア・サービスソリューションでは、ユーザーは主要な資料を配布する中央の権威を信頼する必要がある。
本稿では,QRNGによって生成された暗号資料を,サーバが各鍵を受信しているユーザを識別できないような方法で取得する,新しい鍵送信プロトコルを提案する。
論文 参考訳（メタデータ） (2024-01-29T14:00:37Z) - PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via
Secure Flow [69.78820726573935]
保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。
本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
論文 参考訳（メタデータ） (2023-07-18T10:55:54Z) - VNVC: A Versatile Neural Video Coding Framework for Efficient
Human-Machine Vision [59.632286735304156]
コード化された表現をピクセルに復号することなく直接拡張・解析することがより効率的である。
再構成と直接拡張/分析の両方をサポートするために,コンパクト表現の学習を目標とする汎用型ニューラルビデオ符号化(VNVC)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-19T03:04:57Z) - Large-capacity and Flexible Video Steganography via Invertible Neural
Network [60.34588692333379]
大容量フレキシブルビデオステレオグラフィーネットワーク(LF-VSN)を提案する。
大容量のために、単一の可逆ニューラルネットワーク(INN)を介して複数のビデオの隠蔽と回復を行う可逆パイプラインを提案する。
フレキシビリティのために、異なる受信機が特定の秘密映像を同じカバービデオから特定のキーを介して復元できるキー制御可能なスキームを提案する。
論文 参考訳（メタデータ） (2023-04-24T17:51:35Z) - EViT: Privacy-Preserving Image Retrieval via Encrypted Vision
Transformer in Cloud Computing [9.41257807502252]
本稿では,暗号化ビジョン変換器(EViT)という新しいパラダイムを提案する。
EViTは、画像のプライバシーを効果的に保護しつつ、大きなマージンによる検索精度において、現在のスキームよりも優れた暗号化と検索性能を実現する。
論文 参考訳（メタデータ） (2022-08-31T07:07:21Z) - A Coding Framework and Benchmark towards Low-Bitrate Video Understanding [63.05385140193666]
我々は,従来のコーデックとニューラルネットワーク(NN)の両方を活用する,従来型ニューラル混合符号化フレームワークを提案する。
このフレームワークは、動画の移動効率の良いセマンティック表現を確実に保持することで最適化される。
8つのデータセットに3つのダウンストリームタスクを備えた低ビットレートビデオ理解ベンチマークを構築し、このアプローチの顕著な優位性を実証した。
論文 参考訳（メタデータ） (2022-02-06T16:29:15Z) - Robust Privacy-Preserving Motion Detection and Object Tracking in
Encrypted Streaming Video [39.453548972987015]
本稿では,暗号化された監視ビデオのビットストリームに対して,効率的かつ堅牢なプライバシー保護動作検出と複数物体追跡手法を提案する。
提案手法は, 暗号化・圧縮された領域における既存の作業と比較して, 最高の検出・追跡性能を実現する。
我々の手法は、カメラの動き/ジッタ、動的背景、影など、様々な課題を伴う複雑な監視シナリオで効果的に利用することができる。
論文 参考訳（メタデータ） (2021-08-30T11:58:19Z) - Privacy-Preserving Video Classification with Convolutional Neural
Networks [8.51142156817993]
本稿では,畳み込みニューラルネットワークを用いた単一フレーム方式のビデオ分類のプライバシ保護実装を提案する。
個人の感情認識への応用として提案手法の評価を行った。
論文 参考訳（メタデータ） (2021-02-06T05:05:31Z) - A multi-level approach with visual information for encrypted H.265/HEVC
videos [33.908744297617496]
本稿では,軽量な暗号化,中級暗号化,重厚な暗号化からなるマルチレベル暗号方式を提案する。
DCT係数符号の構文要素をスクランブルするルーマ予測モデル(IPM)を暗号化することにより、歪みビデオの性能を向上できることが判明した。
論文 参考訳（メタデータ） (2020-11-05T02:20:43Z)
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。