論文の概要: CryptoUNets: Applying Convolutional Networks to Encrypted Data for Biomedical Image Segmentation

• arxiv url: http://arxiv.org/abs/2504.21543v1
• Date: Wed, 30 Apr 2025 11:37:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 19:10:22.460435
• Title: CryptoUNets: Applying Convolutional Networks to Encrypted Data for Biomedical Image Segmentation
• Title（参考訳）: CryptoUNets: バイオメディカルイメージセグメンテーションのための暗号化データに畳み込みネットワークを適用する
• Authors: John Chiang,
• Abstract要約: プライバシー保護型U-Netディープラーニング推論フレームワーク,すなわち同型暗号化に基づくU-Net推論の実現可能性を示す。 我々の知る限り、この実装を実現するための最初の取り組みは、同型暗号化を完全にベースとしたU-Net推論を可能にすることである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this manuscript, we demonstrate the feasibility of a privacy-preserving U-Net deep learning inference framework, namely, homomorphic encryption-based U-Net inference. That is, U-Net inference can be performed solely using homomorphic encryption techniques. To our knowledge, this is the first work to achieve support perform implement enable U-Net inference entirely based on homomorphic encryption ?. The primary technical challenge lies in data encoding. To address this, we employ a flexible encoding scheme, termed Double Volley Revolver, which enables effective support for skip connections and upsampling operations within the U-Net architecture. We adopt a tailored HE-friendly U-Net design incorporating square activation functions, mean pooling layers, and transposed convolution layers (implemented as ConvTranspose2d in PyTorch) with a kernel size of 2 and stride of 2. After training the model in plaintext, we deploy the resulting parameters using the HEAAN homomorphic encryption library to perform encrypted U-Net inference.
• Abstract（参考訳）: 本稿では,プライバシー保護型U-Net深層学習フレームワーク,すなわち同型暗号化に基づくU-Net推論の実現可能性を示す。 すなわち、U-Net推論は同相暗号技術のみを用いて行うことができる。 我々の知る限り、この実装を実現するための最初の取り組みは、同型暗号化を完全にベースとしたU-Net推論を可能にするか? と。 主な技術的課題はデータのエンコーディングである。 これを解決するために、Double Volley Revolverと呼ばれるフレキシブルな符号化方式を採用し、U-Netアーキテクチャ内のコネクションのスキップやアップサンプリング操作を効果的にサポートする。 我々は,2のカーネルサイズと2のストライドを持つ2乗活性化関数,平均プール層,および転置畳み込み層(PyTorchでConvTranspose2dとして実装)を組み込んだ,HEフレンドリなU-Net設計を採用した。 モデルを平文でトレーニングした後、HEAAN準同型暗号化ライブラリを用いて結果のパラメータをデプロイし、暗号化されたU-Net推論を実行する。

関連論文リスト

• Secure Semantic Communication With Homomorphic Encryption [52.5344514499035]
  本稿では,SemCom に準同型暗号を適用する可能性について検討する。 タスク指向のSemComスキームを提案する。
  論文  参考訳（メタデータ） (2025-01-17T13:26:14Z)
• Encryption-Friendly LLM Architecture [11.386436468650016]
  ホモモルフィック暗号(homomorphic encryption, HE)は、暗号状態における算術演算をサポートする暗号プロトコルである。 本稿では,パーソナライズされた(プライベートな)微調整による推論を重視した改良型HE-Friendly Transformerアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-10-03T13:48:35Z)
• Privacy preserving layer partitioning for Deep Neural Network models [0.21470800327528838]
  Trusted Execution Environments (TEEs)は、暗号化、復号化、セキュリティ、整合性チェックなどの追加レイヤによって、大幅なパフォーマンスオーバーヘッドを発生させることができる。 我々はGPUに層分割技術とオフロード計算を導入する。 我々は、訓練された条件付き生成逆数ネットワーク(c-GAN)を用いた入力再構成攻撃の防御におけるアプローチの有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2024-04-11T02:39:48Z)
• Publicly-Verifiable Deletion via Target-Collapsing Functions [81.13800728941818]
  ターゲットの折り畳みは、公開可能な削除(PVD)を可能にすることを示す。 我々は、弱い暗号的仮定から公開可能な削除を支援する様々なプリミティブを得るために、このフレームワークを構築している。
  論文  参考訳（メタデータ） (2023-03-15T15:00:20Z)
• Deep Neural Networks for Encrypted Inference with TFHE [0.0]
  完全同型暗号(英: Fully homomorphic encryption, FHE)は、復号化せずに暗号化されたデータ上で計算を行うことができる暗号法である。 TFHEは、健康データ、バイオメトリックス、クレジットスコア、その他の個人情報などの機密データを扱うオンラインサービスのユーザのプライバシを保存する。 本稿では、任意の深度計算回路を実現するFHEスキームであるTFHEの制約に適合するディープニューラルネットワーク(DNN)を構築する方法について述べる。
  論文  参考訳（メタデータ） (2023-02-13T09:53:31Z)
• BiFSMNv2: Pushing Binary Neural Networks for Keyword Spotting to Real-Network Performance [54.214426436283134]
  Deep-FSMNのようなディープニューラルネットワークはキーワードスポッティング(KWS)アプリケーションのために広く研究されている。 我々は、KWS、すなわちBiFSMNv2のための強力で効率的なバイナリニューラルネットワークを提示し、それを実ネットワーク精度のパフォーマンスにプッシュする。 小型アーキテクチャと最適化されたハードウェアカーネルの利点により、BiFSMNv2は25.1倍のスピードアップと20.2倍のストレージ節約を実現できる。
  論文  参考訳（メタデータ） (2022-11-13T18:31:45Z)
• THE-X: Privacy-Preserving Transformer Inference with Homomorphic Encryption [112.02441503951297]
  トランスフォーマーモデルのプライバシ保護推論は、クラウドサービスユーザの要求に基づいています。 我々は、事前訓練されたモデルのプライバシ保存推論を可能にするトランスフォーマーの近似アプローチである$textitTHE-X$を紹介した。
  論文  参考訳（メタデータ） (2022-06-01T03:49:18Z)
• FFConv: Fast Factorized Neural Network Inference on Encrypted Data [9.868787266501036]
  本稿では、畳み込みと暗号文のパッキングを統一するFFConvと呼ばれる低ランク分解法を提案する。 先行技術であるLoLaとFalconと比較して,提案手法は,それぞれ最大87%,12%の遅延を減少させる。
  論文  参考訳（メタデータ） (2021-02-06T03:10:13Z)
• HeLayers: A Tile Tensors Framework for Large Neural Networks on Encrypted Data [0.0]
  ホモモルフィック暗号化(HE)は、暗号化されたデータに対する計算を可能にする。 ユーザのためのパッケージ化決定を抽象化する,シンプルで直感的なフレームワークを提案する。 本稿では、その基盤となるデータ構造を説明し、2次元演算を行うための新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-03T15:54:35Z)
• Suppress and Balance: A Simple Gated Network for Salient Object Detection [89.88222217065858]
  両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。 多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。 さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
  論文  参考訳（メタデータ） (2020-07-16T02:00:53Z)
• BiO-Net: Learning Recurrent Bi-directional Connections for Encoder-Decoder Architecture [82.64881585566825]
  本稿では,新たな双方向O字型ネットワーク(BiO-Net)を提案する。 提案手法は,バニラU-Netおよび他の最先端手法よりも優れる。
  論文  参考訳（メタデータ） (2020-07-01T05:07:49Z)

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。