Fugu-MT 論文翻訳(概要): Enabling Practical and Privacy-Preserving Image Processing

論文の概要: Enabling Practical and Privacy-Preserving Image Processing

arxiv url: http://arxiv.org/abs/2409.03568v1
Date: Thu, 5 Sep 2024 14:22:02 GMT
ステータス: 処理完了
システム内更新日: 2024-09-06 20:15:17.185233
Title: Enabling Practical and Privacy-Preserving Image Processing
Title（参考訳）: 実用的・プライバシ保護型画像処理の実現
Authors: Chao Wang, Shubing Yang, Xiaoyan Sun, Jun Dai, Dongfang Zhao,
Abstract要約: ホモモルフィック暗号化(FHE)は、暗号化されたデータの計算を可能にし、復号化を必要とせずに機密性を保存する。従来のFHEメソッドは、ピクセルの代わりにモノリシックなデータブロックで画像を暗号化することが多い。 CKKS方式に基づく画素レベルの同型暗号化手法iCHEETAHを提案し,実装する。
参考スコア（独自算出の注目度）: 5.526464269029825
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Fully Homomorphic Encryption (FHE) enables computations on encrypted data, preserving confidentiality without the need for decryption. However, FHE is often hindered by significant performance overhead, particularly for high-precision and complex data like images. Due to serious efficiency issues, traditional FHE methods often encrypt images by monolithic data blocks (such as pixel rows), instead of pixels. However, this strategy compromises the advantages of homomorphic operations and disables pixel-level image processing. In this study, we address these challenges by proposing and implementing a pixel-level homomorphic encryption approach, iCHEETAH, based on the CKKS scheme. To enhance computational efficiency, we introduce three novel caching mechanisms to pre-encrypt radix values or frequently occurring pixel values, substantially reducing redundant encryption operations. Extensive experiments demonstrate that our approach achieves up to a 19-fold improvement in encryption speed compared to the original CKKS, while maintaining high image quality. Additionally, real-world image applications such as mean filtering, brightness enhancement, image matching and watermarking are tested based on FHE, showcasing up to a 91.53% speed improvement. We also proved that our method is IND-CPA (Indistinguishability under Chosen Plaintext Attack) secure, providing strong encryption security. These results underscore the practicality and efficiency of iCHEETAH, marking a significant advancement in privacy-preserving image processing at scale.
Abstract（参考訳）: FHE(Fully Homomorphic Encryption)は、暗号化されたデータの計算を可能にし、復号化を必要とせずに機密性を維持する。しかしながら、FHEは、特に画像のような高精度で複雑なデータに対して、大きなパフォーマンス上のオーバーヘッドによって妨げられることが多い。深刻な効率上の問題のため、従来のFHEメソッドはピクセルではなく、モノリシックなデータブロック(ピクセル行など)で画像を暗号化することが多い。しかし、この戦略は同型演算の利点を損ね、画素レベルの画像処理を無効にする。本研究では,CKKS方式に基づく画素レベルの同型暗号手法iCHEETAHの提案と実装により,これらの課題に対処する。計算効率を向上させるために,3つの新しいキャッシング機構を導入する。大規模な実験により,画像品質を保ちながら,元のCKKSに比べて19倍の高速化を実現した。さらに、FHEに基づいて平均フィルタリング、輝度向上、画像マッチング、透かしなどの実世界の画像アプリケーションがテストされ、最大91.53%のスピード改善が示されている。また,この手法がIND-CPA(Chosen Plaintext Attackによる識別性)の安全性を保証し,強力な暗号化セキュリティを実現することも実証した。これらの結果は、iCHEETAHの実用性と効率性を強調し、大規模なプライバシー保護画像処理の大幅な進歩を示している。

関連論文リスト

Multi-Layered Security System: Integrating Quantum Key Distribution with Classical Cryptography to Enhance Steganographic Security [0.0]
本稿では,量子鍵分布(QKD)と古典的暗号技術を統合する新しい暗号システムを提案する。提案手法は,E91QKDプロトコルを利用して,通信相手間で共有秘密鍵を生成する。このキーは、Secure Hash Algorithm(SHA)を使用してハッシュされ、固定長の高エントロピーキーを提供する。
論文参考訳（メタデータ） (2024-08-13T15:20:29Z)
Deep Learning and Chaos: A combined Approach To Image Encryption and Decryption [1.8749305679160366]
本稿では,新しい3次元ハイパーカオスマップ,2次元メムリスタマップ,畳み込みニューラルネットワーク(CNN)からのハイパーカオス信号を用いた新しい画像暗号化と復号化アルゴリズムを提案する。暗号アルゴリズムのロバスト性は、キー感度分析(キー要素に対するアルゴリズムの平均感度)によって示される。
論文参考訳（メタデータ） (2024-06-24T16:56:22Z)
A Hybrid Image Encryption Scheme based on Chaos and a DPA-Resistant Sbox [0.0]
最近、Khalid M. Hosnyは、6DハイパーカオスマッピングとQ-Fibonacci行列に基づく画像暗号化スキームを発表した。本稿では、Khaled Hosnyの設計に基づいて、暗号化のセキュリティと効率を改善した新しい効果的な設計を提案する。
論文参考訳（メタデータ） (2023-12-23T15:26:15Z)
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)
You Can Mask More For Extremely Low-Bitrate Image Compression [80.7692466922499]
近年,学習画像圧縮(lic)法は大きな進歩を遂げている。 licメソッドは、画像圧縮に不可欠な画像構造とテクスチャコンポーネントを明示的に探索することができない。原画像の構造とテクスチャに基づいて可視パッチをサンプリングするDA-Maskを提案する。極めて低ビットレート圧縮のために, lic と lic のエンドツーエンドを統一する最初のフレームワークである, 単純で効果的なマスク付き圧縮モデル (MCM) を提案する。
論文参考訳（メタデータ） (2023-06-27T15:36:22Z)
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)
DiffProtect: Generate Adversarial Examples with Diffusion Models for Facial Privacy Protection [64.77548539959501]
DiffProtectは最先端の方法よりも自然に見える暗号化画像を生成する。例えば、CelebA-HQとFFHQのデータセットで24.5%と25.1%の絶対的な改善が達成されている。
論文参考訳（メタデータ） (2023-05-23T02:45:49Z)
Attribute-Guided Encryption with Facial Texture Masking [64.77548539959501]
本稿では,顔認識システムからユーザを保護するために,顔テクスチャマスキングを用いた属性ガイド暗号化を提案する。提案手法は,最先端の手法よりも自然な画像を生成する。
論文参考訳（メタデータ） (2023-05-22T23:50:43Z)
A Pixel-based Encryption Method for Privacy-Preserving Deep Learning Models [5.749044590090683]
本稿では,効率的な画素ベースの知覚暗号化手法を提案する。この方法は、原画像の固有の特性を保ちながら、必要なレベルのセキュリティを提供する。これにより、暗号化ドメイン内のディープラーニング(DL)アプリケーションを可能にする。
論文参考訳（メタデータ） (2022-03-31T03:42:11Z)
SISA: Securing Images by Selective Alteration [0.0]
画像の部分暗号化と完全暗号化の比較分析を行った。画像全体を暗号化したり、ぼやけたりするのではなく、選択した領域のみをエンコードします。 Mask-RCNNやYOLOといった機械学習アルゴリズムを利用して、関心領域を選択します。
論文参考訳（メタデータ） (2021-06-20T05:31:47Z)
HERS: Homomorphically Encrypted Representation Search [56.87295029135185]
本稿では,暗号化ドメイン内の大規模ギャラリーに対して,プローブ(あるいはクエリ)画像表現を検索する手法を提案する。我々の暗号方式は固定長表現の取得方法に従わないため、任意のアプリケーション領域における任意の固定長表現に適用できる。
論文参考訳（メタデータ） (2020-03-27T01:10:54Z)

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。