論文の概要: Privacy in Responsible AI: Approaches to Facial Recognition from Cloud Providers

• arxiv url: http://arxiv.org/abs/2503.04866v1
• Date: Thu, 06 Mar 2025 12:04:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 12:22:53.033557
• Title: Privacy in Responsible AI: Approaches to Facial Recognition from Cloud Providers
• Title（参考訳）: 責任あるAIにおけるプライバシ - クラウドプロバイダによる顔認識へのアプローチ
• Authors: Anna Elivanova,
• Abstract要約: Microsoft、AWS、Googleなどのクラウドプロバイダは、顔関連のテクノロジサービスを提供する最前線にいる。 本稿では,これらのクラウド巨人が顔認識と検出サービスにプライバシ原則をどのように実装しているかを比較する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: As the use of facial recognition technology is expanding in different domains, ensuring its responsible use is gaining more importance. This paper conducts a comprehensive literature review of existing studies on facial recognition technology from the perspective of privacy, which is one of the key Responsible AI principles. Cloud providers, such as Microsoft, AWS, and Google, are at the forefront of delivering facial-related technology services, but their approaches to responsible use of these technologies vary significantly. This paper compares how these cloud giants implement the privacy principle into their facial recognition and detection services. By analysing their approaches, it identifies both common practices and notable differences. The results of this research will be valuable for developers and businesses by providing them insights into best practices of three major companies for integration responsible AI, particularly privacy, into their cloud-based facial recognition technologies.
• Abstract（参考訳）: 顔認識技術の利用がさまざまな領域で拡大するにつれ、その責任ある利用がますます重要になっている。 本稿では、プライバシの観点から、顔認識技術に関する既存の研究の総合的な文献レビューを行う。 Microsoft、AWS、Googleといったクラウドプロバイダは、顔認識関連のテクノロジサービスを提供する最前線にいるが、これらのテクノロジの責任を負うアプローチは、大きく異なる。 本稿では,これらのクラウド巨人が顔認識と検出サービスにプライバシ原則をどのように実装しているかを比較する。 アプローチを分析することで、一般的なプラクティスと注目すべき違いの両方を特定します。 この研究の結果は、クラウドベースの顔認識技術に責任あるAI、特にプライバシーを統合する3つの大企業のベストプラクティスに関する洞察を提供することで、開発者やビジネスにとって価値あるものになるだろう。

関連論文リスト

• A Survey on Facial Image Privacy Preservation in Cloud-Based Services [22.38855934169858]
  顔認識モデルは、アイデンティティ認証、消費者サービス、監視のために、商業企業、政府機関、クラウドサービスプロバイダーによってますます採用されている。 ユーザーの顔画像は同意なしに悪用され、潜在的なデータ漏洩や誤用につながる可能性がある。 本調査では,クラウドベースのサービスにおける顔画像のプライバシ保護を目的とした現在の手法を概観する。
  論文  参考訳（メタデータ） (2025-01-15T09:00:32Z)
• Privacy Risks of General-Purpose AI Systems: A Foundation for Investigating Practitioner Perspectives [47.17703009473386]
  強力なAIモデルによって、幅広いタスクでパフォーマンスが飛躍的に向上した。 プライバシの懸念は、さまざまなプライバシのリスクとAIモデルの脆弱性をカバーした、豊富な文献につながっている。 我々はこれらの調査論文の体系的なレビューを行い、GPAISにおけるプライバシーリスクの簡潔かつ有用な概観を提供する。
  論文  参考訳（メタデータ） (2024-07-02T07:49:48Z)
• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• Privacy and Copyright Protection in Generative AI: A Lifecycle Perspective [28.968233485060654]
  データライフサイクルにおけるプライバシーと著作権保護の多面的課題について論じる。 我々は、技術的革新と倫理的展望を組み合わせた統合的なアプローチを提唱する。 この作業は、より広範な議論のきっかけとなり、ジェネレーティブAIにおけるデータのプライバシと著作権の整合性に対する継続的な取り組みを促進することを目的としている。
  論文  参考訳（メタデータ） (2023-11-30T05:03:08Z)
• PrivacyProber: Assessment and Detection of Soft-Biometric Privacy-Enhancing Techniques [1.790445868185437]
  そこで本研究では, バイオメトリック・プライバシ・エンハンシング技術を用いて, 回復の試みの信頼性について検討する。 プライバシ強化顔画像からソフトバイオメトリック情報を復元するための高レベルフレームワークであるPrivacyProberを提案する。
  論文  参考訳（メタデータ） (2022-11-16T12:20:18Z)
• Privacy-Preserving Face Recognition with Learnable Privacy Budgets in Frequency Domain [77.8858706250075]
  本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。 本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
  論文  参考訳（メタデータ） (2022-07-15T07:15:36Z)
• An Overview of Privacy-enhancing Technologies in Biometric Recognition [12.554656658516262]
  この研究は、統一されたフレームワークにおけるバイオメトリックスのためのプライバシー向上技術の概念の概要を提供する。 既存のアプローチの基本的特性と限界を議論し、データ保護技術や原則に関連づける。 本論文は,バイオメトリックデータ保護分野への参入点として,経験豊富な研究者と非専門家を対象としている。
  論文  参考訳（メタデータ） (2022-06-21T15:21:29Z)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• More Than Privacy: Applying Differential Privacy in Key Areas of Artificial Intelligence [62.3133247463974]
  差分プライバシーは、AIのプライバシー保護以上のことができることを示す。 また、セキュリティを改善し、学習を安定させ、公正なモデルを構築し、AIの選択領域にコンポジションを課すためにも使用できる。
  論文  参考訳（メタデータ） (2020-08-05T03:07:36Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。