論文の概要: Secure and Efficient UAV-Based Face Detection via Homomorphic Encryption and Edge Computing

• arxiv url: http://arxiv.org/abs/2507.09860v1
• Date: Mon, 14 Jul 2025 02:07:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:24.167638
• Title: Secure and Efficient UAV-Based Face Detection via Homomorphic Encryption and Edge Computing
• Title（参考訳）: 均質暗号化とエッジコンピューティングによる安全かつ効率的なUAV顔検出
• Authors: Nguyen Van Duc, Bui Duc Manh, Quang-Trung Luu, Dinh Thai Hoang, Van-Linh Nguyen, Diep N. Nguyen,
• Abstract要約: 高解像度の画像と洗練されたニューラルネットワークは、動的環境における正確な顔認識を可能にする。 プライバシーの懸念は、UAVの広範な監視能力から生じる。 HEと高度なニューラルネットワークを統合して顔データを保護する新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 19.8178193448669
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper aims to propose a novel machine learning (ML) approach incorporating Homomorphic Encryption (HE) to address privacy limitations in Unmanned Aerial Vehicles (UAV)-based face detection. Due to challenges related to distance, altitude, and face orientation, high-resolution imagery and sophisticated neural networks enable accurate face recognition in dynamic environments. However, privacy concerns arise from the extensive surveillance capabilities of UAVs. To resolve this issue, we propose a novel framework that integrates HE with advanced neural networks to secure facial data throughout the inference phase. This method ensures that facial data remains secure with minimal impact on detection accuracy. Specifically, the proposed system leverages the Cheon-Kim-Kim-Song (CKKS) scheme to perform computations directly on encrypted data, optimizing computational efficiency and security. Furthermore, we develop an effective data encoding method specifically designed to preprocess the raw facial data into CKKS form in a Single-Instruction-Multiple-Data (SIMD) manner. Building on this, we design a secure inference algorithm to compute on ciphertext without needing decryption. This approach not only protects data privacy during the processing of facial data but also enhances the efficiency of UAV-based face detection systems. Experimental results demonstrate that our method effectively balances privacy protection and detection performance, making it a viable solution for UAV-based secure face detection. Significantly, our approach (while maintaining data confidentially with HE encryption) can still achieve an accuracy of less than 1% compared to the benchmark without using encryption.
• Abstract（参考訳）: 本稿では,無人航空機(UAV)による顔検出におけるプライバシー制限に対処するため,同型暗号化(HE)を取り入れた新しい機械学習(ML)アプローチを提案する。 距離、高度、顔の向きに関する課題のため、高解像度の画像と洗練されたニューラルネットワークは、動的環境における正確な顔認識を可能にする。 しかし、プライバシー上の懸念は、UAVの広範な監視能力から生じている。 この問題を解決するために,HEを高度なニューラルネットワークと統合し,推論フェーズ全体にわたって顔データを保護する新しいフレームワークを提案する。 この方法では、顔データが検出精度に最小限の影響で安全であることを保証する。 具体的には、Cheon-Kim-Kim-Song(CKKS)方式を利用して、暗号化されたデータを直接計算し、計算効率とセキュリティを最適化する。 さらに,生顔データを単一の命令・マルチプルデータ(SIMD)方式でCKKS形式にプリプロセッシングする効果的なデータ符号化法を開発した。 これに基づいて、復号化を必要とせず、暗号文で計算するセキュアな推論アルゴリズムを設計する。 このアプローチは、顔データの処理中にデータのプライバシを保護するだけでなく、UAVベースの顔検出システムの効率を高める。 実験結果から,本手法はプライバシー保護と検出性能のバランスを効果的に保ち,UAVベースの安全な顔検出に有効であることが示された。 重要なことは、我々のアプローチ(HE暗号化でデータを秘密に保持している)は、暗号化を使わずにベンチマークと比較して1%未満の精度を達成できるということです。

関連論文リスト

• Pura: An Efficient Privacy-Preserving Solution for Face Recognition [21.52988320674215]
  そこで我々はPuraという顔認識のための効率的なプライバシー保護ソリューションを提案する。 Puraは個人の顔のプライバシーを保護し、暗号化されたデータに対する顔認識を効率的にサポートする。 Puraは、最先端技術よりも最大16倍高速な認識を実現する。
  論文  参考訳（メタデータ） (2025-05-21T12:50:25Z)
• Enhancing Privacy in Semantic Communication over Wiretap Channels leveraging Differential Privacy [51.028047763426265]
  セマンティック通信(SemCom)は,タスク関連情報に着目して伝送効率を向上させる。 セマンティックリッチなデータをセキュアでないチャネルで送信すると、プライバシのリスクが生じる。 本稿では,セマンティックなセマンティックな特徴を保護するために,差分プライバシー機構を統合した新しいSemComフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-23T08:42:44Z)
• CipherFace: A Fully Homomorphic Encryption-Driven Framework for Secure Cloud-Based Facial Recognition [0.0]
  本稿では,セキュアなクラウドベース顔認識のための同型暗号化駆動フレームワークであるCipherFaceを紹介する。 FHEを活用することで、CipherFaceは、効率的な距離計算のためにクラウドを活用しながら、埋め込みのプライバシを保証する。 本稿では,暗号化されたデータに対して,セキュアな類似性計算を行う上で重要な課題に対処する,ユークリッドとコサインの双方に対する新しい暗号化距離計算手法を提案する。
  論文  参考訳（メタデータ） (2025-02-22T19:03:04Z)
• Privacy-Preserving Hybrid Ensemble Model for Network Anomaly Detection: Balancing Security and Data Protection [6.5920909061458355]
  本稿では,検出精度とデータ保護の両方に対処するために,プライバシー保護技術を組み込んだハイブリッドアンサンブルモデルを提案する。 我々のモデルは、K-Nearest Neighbors(KNN)、SVM(Support Vector Machines)、XGBoost(XGBoost)、Artificial Neural Networks(ANN)など、いくつかの機械学習アルゴリズムの長所を組み合わせる。
  論文  参考訳（メタデータ） (2025-02-13T06:33:16Z)
• Technical Report for the Forgotten-by-Design Project: Targeted Obfuscation for Machine Learning [0.03749861135832072]
  本稿では、従来のデータ消去手法と対比して、AIシステム内でのRTBF(Right to be Forgotten)の概念について考察する。 Forgotten by Designは,インスタンス固有の難読化技術を統合した,プライバシ保護のための積極的なアプローチである。 CIFAR-10データセットを用いた実験では,モデル精度を維持しながら,少なくとも1桁のプライバシーリスクを低減できることが示されている。
  論文  参考訳（メタデータ） (2025-01-20T15:07:59Z)
• Privacy-Preserving Cyberattack Detection in Blockchain-Based IoT Systems Using AI and Homomorphic Encryption [22.82443900809095]
  本研究では,ブロックチェーンベースのIoT(Internet-of-Things)システムを対象とした,プライバシ保護型サイバー攻撃検出フレームワークを提案する。 このアプローチでは、人工知能(AI)による検出モジュールをブロックチェーンノードに戦略的にデプロイし、リアルタイム攻撃を特定する。 プライバシーを保護するため、データは送信前に同型暗号化(HE)を用いて暗号化される。 シミュレーションの結果,提案手法は学習時間を軽減できるだけでなく,暗号化のない手法とほぼ同一な検出精度を約0.01%で達成できることがわかった。
  論文  参考訳（メタデータ） (2024-12-18T05:46:53Z)
• 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)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• Hiding Visual Information via Obfuscating Adversarial Perturbations [47.315523613407244]
  本稿では,データの視覚的プライバシを保護するために,敵対的な視覚情報隠蔽手法を提案する。 具体的には、データの視覚情報を隠蔽する難読化対向摂動を生成する。 認識・分類タスクの実験結果から,提案手法が視覚情報を効果的に隠蔽できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-30T08:23:26Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)
• 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。