論文の概要: Lightweight True In-Pixel Encryption with FeFET Enabled Pixel Design for Secure Imaging
- arxiv url: http://arxiv.org/abs/2604.05147v1
- Date: Mon, 06 Apr 2026 20:20:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.475755
- Title: Lightweight True In-Pixel Encryption with FeFET Enabled Pixel Design for Secure Imaging
- Title（参考訳）: セキュアイメージングのためのFeFET可能画素設計による軽量正像内暗号
- Authors: Md Rahatul Islam Udoy, Diego Ferrer, Wantong Li, Kai Ni, Sumeet Kumar Gupta, Ahmedullah Aziz,
- Abstract要約: SecurePixはCMOS互換のコンパクトなピクセルアーキテクチャで、真にピクセル内暗号化を行う。
フルイメージ評価では、ResNet-18の認識精度は、暗号化後、MNISTで99.29パーセントから9.58パーセント、CIFAR-10で91.33パーセントから6.98パーセントに低下している。
- 参考スコア（独自算出の注目度）: 1.7783108003124413
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ensuring end-to-end security in image sensors has become essential as visual data can be exposed through multiple stages of the imaging pipeline. Advanced protection requires encryption to occur before pixel values appear on any readout lines. This work introduces a secure pixel sensor (SecurePix), a compact CMOS-compatible pixel architecture that performs true in-pixel encryption using a symmetric key realized through programmable, non-volatile multidomain polarization states of a ferroelectric field-effect transistor. The pixel and array operations are designed and simulated in HSPICE, while a 45 nm CMOS process design kit is used for layout drawing. The resulting layout confirms a pixel pitch of 2.33 x 3.01 um^2. Each pixel's non-volatile programming level defines its analog transfer characteristic, enabling the photodiode voltage to be converted into an encrypted analog output within the pixel. Full-image evaluation shows that ResNet-18 recognition accuracy drops from 99.29 percent to 9.58 percent on MNIST and from 91.33 percent to 6.98 percent on CIFAR-10 after encryption, indicating strong resistance to neural-network-based inference. Lookup-table-based inverse mapping enables recovery for authorized receivers using the same symmetric key. Based on HSPICE simulation, the SecurePix achieves a per-pixel programming power-delay product of 17 uW us and a per-pixel sensing power-delay product of 1.25 uW us, demonstrating low-overhead hardware-level protection.
- Abstract（参考訳）: 画像センサーにおけるエンドツーエンドのセキュリティの確保は、画像パイプラインの複数の段階を通して視覚データを露出させることが不可欠である。
高度な保護は、どんなリードアウトラインにもピクセル値が現れる前に暗号化を必要とする。
本研究は、強誘電体電界効果トランジスタのプログラム可能な非揮発性多領域偏光状態を通じて実現される対称鍵を用いて、真の画素内暗号を実現する、コンパクトなCMOS互換画素アーキテクチャであるセキュアピクセルセンサ(SecurePix)を導入する。
ピクセルと配列操作はHSPICEで設計・シミュレーションされ、レイアウト描画には45nmのCMOSプロセス設計キットが使用される。
結果として得られるレイアウトは、ピクセルピッチが2.33 x 3.01 um^2であることを確認する。
各画素の非揮発性プログラミングレベルはアナログ転送特性を定義し、フォトダイオード電圧を画素内の暗号化アナログ出力に変換することができる。
フルイメージ評価によると、ResNet-18の認識精度は、暗号化後のMNISTでは99.29パーセントから9.58パーセントに低下し、CIFAR-10では91.33パーセントから6.98パーセントに低下し、ニューラルネットワークベースの推論に対する強い耐性を示している。
ルックアップテーブルベースの逆マッピングは、同じ対称キーを使用して認証された受信者のリカバリを可能にする。
HSPICEシミュレーションに基づいて、SecurePixは17 uWの1ピクセルあたりのプログラミングパワー遅延製品と1.25 uWの1.25 uWの1ピクセルあたりのセンシングパワー遅延製品を実現し、低オーバーヘッドのハードウェアレベルの保護を示す。
関連論文リスト
- PixelDiT: Pixel Diffusion Transformers for Image Generation [48.456815413366535]
PixelDiTはDiffusion Transformers用の単一ステージのエンドツーエンドモデルである。
オートエンコーダの必要性を排除し、ピクセル空間内で拡散過程を直接学習する。
ImageNet 256x256で1.61 FIDを達成し、既存のピクセル生成モデルを大きく上回っている。
論文 参考訳（メタデータ） (2025-11-25T18:59:25Z) - Joint Data Hiding and Partial Encryption of Compressive Sensed Streams [0.7373617024876725]
本稿では,圧縮センシング(CS)ストリームのセキュア化手法を提案する。
秘密鍵によって測定の一部を保護し、残りの部分にコードを挿入する。
提案手法の特長はオンザフライ挿入であり、シングルカメラカメラによる連続的な測定の取得に適している。
論文 参考訳（メタデータ） (2025-05-29T11:33:23Z) - How Learnable Grids Recover Fine Detail in Low Dimensions: A Neural Tangent Kernel Analysis of Multigrid Parametric Encodings [106.3726679697804]
フーリエ特徴符号化(FFE)とマルチグリッドパラメトリック符号化(MPE)の2つの手法を比較した。
MPEは低次元マッピングの標準と見なされるが、MPEはそれらを上回り、高解像度で詳細な表現を学習することが多い。
我々は,MPEが学習可能な埋め込みではなく,グリッド構造を通じてネットワークの性能を向上させることを証明した。
論文 参考訳（メタデータ） (2025-04-18T02:18:08Z) - Quantum Encoding of Structured Data with Matrix Product States [0.0]
行列積状態(MPS)を用いた量子状態の次元再現表現を形成する。
99.99%の精度で,MPSをベースとした状態合成により,高効率な関数の符号化が可能であることを示す。
また、離散ウェーブレット変換(DWT)表現の近似に基づいて、構造化画像データを符号化する新しい手法を示す。
論文 参考訳（メタデータ） (2025-02-23T06:47:22Z) - 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) - Reduce Information Loss in Transformers for Pluralistic Image Inpainting [112.50657646357494]
入力情報を可能な限り保持するための新しいトランスフォーマーベースのフレームワーク"PUT"を提案する。
PUTは、特に大きなマスキング領域と複雑な大規模データセットにおいて、画像の忠実性に関する最先端の手法を大幅に上回る。
論文 参考訳（メタデータ） (2022-05-10T17:59:58Z) - PixelFolder: An Efficient Progressive Pixel Synthesis Network for Image
Generation [88.55256389703082]
Pixelは画像生成のための有望な研究パラダイムである。
本稿では,Pixel のような効率的な画像生成に向けたプログレッシブピクセル合成ネットワークを提案する。
Pixelは支出を大幅に減らし、2つのベンチマークデータセットで新しい最先端(SOTA)パフォーマンスを得る。
論文 参考訳（メタデータ） (2022-04-02T10:55:11Z) - P2M: A Processing-in-Pixel-in-Memory Paradigm for Resource-Constrained
TinyML Applications [4.102356304183255]
高い解像度の入力画像は、カメラとAI処理ユニットの間でフレームごとにストリームされ、エネルギー、帯域幅、セキュリティボトルネックを引き起こす必要がある。
本稿では,アナログマルチチャネル,マルチビット畳み込み,ReLUのサポートを追加して画素配列をカスタマイズする,新しいProcessing-in-Pixel-in-Memory(P2M)パラダイムを提案する。
以上の結果から,P2Mはセンサやアナログからデジタル変換へのデータ転送帯域を21倍に削減し,TinyML上でMobileNetV2モデルを処理する際に発生するエネルギ遅延生成物(EDP)が得られた。
論文 参考訳（メタデータ） (2022-03-07T04:15:29Z) - Time-Multiplexed Coded Aperture Imaging: Learned Coded Aperture and
Pixel Exposures for Compressive Imaging Systems [56.154190098338965]
提案した時間多重符号化開口(TMCA)をエンドツーエンドで最適化できることを示した。
tmcaは圧縮光野イメージングとハイパースペクトルイメージングの2つの異なる応用において、より良いコード化されたスナップショットを誘導する。
この凝固法は、最先端の圧縮画像システムよりも4dB以上性能が高い。
論文 参考訳（メタデータ） (2021-04-06T22:42:34Z) - Spatially-Adaptive Pixelwise Networks for Fast Image Translation [57.359250882770525]
高速かつ効率的な画像-画像変換を目的とした新しいジェネレータアーキテクチャを提案する。
私たちはピクセルワイズネットワークを使用します。つまり、各ピクセルは他のピクセルとは独立して処理されます。
私たちのモデルは最先端のベースラインよりも最大18倍高速です。
論文 参考訳（メタデータ） (2020-12-05T10:02:03Z) - Fully Embedding Fast Convolutional Networks on Pixel Processor Arrays [16.531637803429277]
本稿では,PPA(Pixel processor array)視覚センサのための新しいCNN推論手法を提案する。
提案手法は, 畳み込み層, 最大プーリング, ReLu, およびPPAセンサ上に完全に接続された最終層を実現する。
これは、外部処理を必要としないPPA視覚センサデバイスのプロセッサアレイで完全に行われたCNN推論を示す最初の研究である。
論文 参考訳（メタデータ） (2020-04-27T01:00:35Z)
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。