論文の概要: Secure and Scalable Face Retrieval via Cancelable Product Quantization
- arxiv url: http://arxiv.org/abs/2509.00781v1
- Date: Sun, 31 Aug 2025 10:19:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.391757
- Title: Secure and Scalable Face Retrieval via Cancelable Product Quantization
- Title（参考訳）: Cancelable Product Quantizationによるセキュアでスケーラブルな顔検索
- Authors: Haomiao Tang, Wenjie Li, Yixiang Qiu, Genping Wang, Shu-Tao Xia,
- Abstract要約: ホモモルフィック暗号化(HE)は、暗号空間における算術演算を有効にすることにより、強力なセキュリティ保証を提供する。
セキュアな顔表現検索のための高効率なフレームワークであるCancelable Product Quantizationを提案する。
- 参考スコア（独自算出の注目度）: 48.58859061524146
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite the ubiquity of modern face retrieval systems, their retrieval stage is often outsourced to third-party entities, posing significant risks to user portrait privacy. Although homomorphic encryption (HE) offers strong security guarantees by enabling arithmetic computations in the cipher space, its high computational inefficiency makes it unsuitable for real-time, real-world applications. To address this issue, we propose Cancelable Product Quantization, a highly efficient framework for secure face representation retrieval. Our hierarchical two-stage framework comprises: (i) a high-throughput cancelable PQ indexing module for fast candidate filtering, and (ii) a fine-grained cipher-space retrieval module for final precise face ranking. A tailored protection mechanism is designed to secure the indexing module for cancelable biometric authentication while ensuring efficiency. Experiments on benchmark datasets demonstrate that our method achieves an decent balance between effectiveness, efficiency and security.
- Abstract（参考訳）: 現代の顔検索システムが多用されているにもかかわらず、その検索段階はしばしば第三者にアウトソースされ、ユーザーの肖像画のプライバシーに重大なリスクが生じる。
ホモモルフィック暗号化(HE)は、暗号空間での算術演算を可能にすることで強力なセキュリティ保証を提供するが、その高い計算非効率性により、リアルタイムな実世界のアプリケーションには適さない。
この問題に対処するために,セキュアな顔表現検索のための高効率なフレームワークであるCancelable Product Quantizationを提案する。
私たちの階層的な2段階のフレームワークは以下のとおりです。
(i)高速候補フィルタリングのための高スループットキャンセル可能なPQインデックスモジュール、及び
(ii)最終的な正確な顔のランク付けのための細粒度暗号空間検索モジュール。
調整された保護機構は、効率を確保しつつ、生体認証をキャンセル可能なインデックスモジュールを確保するように設計されている。
ベンチマークデータセットを用いた実験により,本手法は有効性,効率,セキュリティのバランスが良好であることを実証した。
関連論文リスト
- Rethinking Safety in LLM Fine-tuning: An Optimization Perspective [56.31306558218838]
我々は、本質的にトレードオフではなく、最適化の貧弱な選択が、しばしば安全上の問題を引き起こすことを示し、敵のプロンプトに対する有害な応答として測定する。
安全性能を保ったパラメータ空間における簡易指数移動平均(EMA)運動量法を提案する。
複数のデータセットにまたがるLlamaファミリーに関する実験は、安全性の問題が特別な介入なしに回避できることを実証している。
論文 参考訳（メタデータ） (2025-08-17T23:46:36Z) - Beyond Algorithmic Proofs: Towards Implementation-Level Provable Security [1.338174941551702]
我々は,実世界の攻撃面に対して構造的に検証可能なレジリエンスの観点からセキュリティを定義する新しいパラダイムである,実装レベル確率セキュリティを提案する。
本稿では,ファイル破壊システムであるSEER(Secure and Efficient Encryption-based Erasure via Ransomware)について述べる。
論文 参考訳（メタデータ） (2025-08-02T01:58:06Z) - Provably Secure Retrieval-Augmented Generation [7.412110686946628]
本稿では,RAG(Retrieval-Augmented Generation)システムのための,信頼性の高い最初のフレームワークを提案する。
我々のフレームワークは、検索したコンテンツとベクトル埋め込みの両方の二重保護を保証するために、プレストレージのフル暗号化方式を採用している。
論文 参考訳（メタデータ） (2025-08-01T21:37:16Z) - Secure and Efficient UAV-Based Face Detection via Homomorphic Encryption and Edge Computing [19.8178193448669]
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。
論文 参考訳（メタデータ） (2025-07-14T02:07:08Z) - Advancing Embodied Agent Security: From Safety Benchmarks to Input Moderation [52.83870601473094]
エンボディード・エージェントは、複数のドメインにまたがって大きな潜在能力を示す。
既存の研究は主に、一般的な大言語モデルのセキュリティに重点を置いている。
本稿では, エンボディエージェントの保護を目的とした新しい入力モデレーションフレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-22T08:34:35Z) - HOPE: Homomorphic Order-Preserving Encryption for Outsourced Databases -- A Stateless Approach [1.1701842638497677]
Homomorphic OPE(Homomorphic OPE)は、クライアント側のストレージを排除し、クエリ実行中に追加のクライアントサーバ間のインタラクションを回避する新しいOPEスキームである。
我々は、広く受け入れられているIND-OCPAモデルの下で、HOPEの正式な暗号解析を行い、その安全性を証明した。
論文 参考訳（メタデータ） (2024-11-26T00:38:46Z) - Enabling Practical and Privacy-Preserving Image Processing [5.526464269029825]
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。
論文 参考訳（メタデータ） (2024-09-05T14:22:02Z) - Scaling #DNN-Verification Tools with Efficient Bound Propagation and
Parallel Computing [57.49021927832259]
ディープニューラルネットワーク(DNN)は多くのシナリオで異常な結果を示した強力なツールです。
しかし、それらの複雑な設計と透明性の欠如は、現実世界のアプリケーションに適用する際の安全性上の懸念を提起する。
DNNの形式的検証(FV)は、安全面の証明可能な保証を提供する貴重なソリューションとして登場した。
論文 参考訳（メタデータ） (2023-12-10T13:51:25Z) - Face Presentation Attack Detection [59.05779913403134]
顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。
しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
論文 参考訳（メタデータ） (2022-12-07T14:51:17Z) - Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。
オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
論文 参考訳（メタデータ） (2021-02-01T09:17:18Z)
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。