論文の概要: Keyed Chaotic Dynamics for Privacy-Preserving Neural Inference

• arxiv url: http://arxiv.org/abs/2505.23655v3
• Date: Tue, 03 Jun 2025 16:59:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 16:31:03.678109
• Title: Keyed Chaotic Dynamics for Privacy-Preserving Neural Inference
• Title（参考訳）: プライバシ保護型ニューラル推論のためのキー付きカオスダイナミクス
• Authors: Peter David Fagan,
• Abstract要約: この研究は、神経推論の安全性を保証するための新しい暗号化手法を導入する。 鍵条件付きカオスグラフ動的システムを構築することにより、ニューラルネットワーク内の実数値テンソルの暗号化と復号化が可能となる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural network inference typically operates on raw input data, increasing the risk of exposure during preprocessing and inference. Moreover, neural architectures lack efficient built-in mechanisms for directly authenticating input data. This work introduces a novel encryption method for ensuring the security of neural inference. By constructing key-conditioned chaotic graph dynamical systems, we enable the encryption and decryption of real-valued tensors within the neural architecture. The proposed dynamical systems are particularly suited to encryption due to their sensitivity to initial conditions and their capacity to produce complex, key-dependent nonlinear transformations from compact rules. This work establishes a paradigm for securing neural inference and opens new avenues for research on the application of graph dynamical systems in neural network security.
• Abstract（参考訳）: ニューラルネットワークの推論は、通常、生の入力データで動作し、前処理と推論の間の露出のリスクを増大させる。 さらに、ニューラルネットワークは入力データを直接認証するための効率的な組み込みメカニズムを欠いている。 この研究は、神経推論の安全性を保証するための新しい暗号化手法を導入する。 鍵条件付きカオスグラフ動的システムを構築することにより、ニューラルネットワーク内の実数値テンソルの暗号化と復号化が可能となる。 提案した力学系は、初期条件に対する感度と、コンパクトな規則から複雑で鍵に依存しない非線形変換を生成する能力のため、暗号化に特に適している。 この研究は、ニューラルネットワークの安全性を確保するためのパラダイムを確立し、ニューラルネットワークセキュリティにおけるグラフ力学システムの応用に関する研究のための新たな道を開く。

関連論文リスト

• Certified Neural Approximations of Nonlinear Dynamics [52.79163248326912]
  安全クリティカルな文脈では、神経近似の使用は、基礎となるシステムとの密接性に公式な境界を必要とする。 本稿では,認証された一階述語モデルに基づく新しい,適応的で並列化可能な検証手法を提案する。
  論文  参考訳（メタデータ） (2025-05-21T13:22:20Z)
• Towards Quantum Resilience: Data-Driven Migration Strategy Design [0.0]
  本稿では,量子攻撃に対する従来の暗号手法の脆弱性について,徹底的に検討する。 組織が緩和計画を推奨し、量子後暗号への適切な移行戦略を決定するのを支援するための意思決定支援フレームワークを提供する。
  論文  参考訳（メタデータ） (2025-05-09T11:12:09Z)
• Dreaming Learning [41.94295877935867]
  機械学習システムに新しい情報を導入することは、以前に格納されたデータに干渉する可能性がある。 スチュアート・カウフマンの随伴可能性の概念に着想を得た学習アルゴリズムを提案する。 ニューラルネットワークは、予想と異なる統計特性を持つデータシーケンスを円滑に受け入れ、統合することを前提としている。
  論文  参考訳（メタデータ） (2024-10-23T09:17:31Z)
• ConCerNet: A Contrastive Learning Based Framework for Automated Conservation Law Discovery and Trustworthy Dynamical System Prediction [82.81767856234956]
  本稿では,DNNに基づく動的モデリングの信頼性を向上させるために,ConCerNetという新しい学習フレームワークを提案する。 本手法は, 座標誤差と保存量の両方において, ベースラインニューラルネットワークよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-11T21:07:30Z)
• GSmooth: Certified Robustness against Semantic Transformations via Generalized Randomized Smoothing [40.38555458216436]
  一般的な意味変換に対する堅牢性を証明するための統一的な理論的枠組みを提案する。 GSmoothフレームワークでは,画像と画像の代理ネットワークを用いて複雑な変換を近似するスケーラブルなアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-09T07:12:17Z)
• Defensive Tensorization [113.96183766922393]
  本稿では,ネットワークの遅延高次分解を利用した対角防御手法であるテンソル防御手法を提案する。 我々は,標準画像分類ベンチマークにおけるアプローチの有効性を実証的に実証した。 我々は,音声タスクとバイナリネットワークを考慮し,ドメイン間のアプローチと低精度アーキテクチャの汎用性を検証した。
  論文  参考訳（メタデータ） (2021-10-26T17:00:16Z)

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。