論文の概要: Privacy-Preserving High-Resolution Image Gradient Computation Based on Fully Homomorphic Encryption

• arxiv url: http://arxiv.org/abs/2606.03513v1
• Date: Tue, 02 Jun 2026 11:32:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.97027
• Title: Privacy-Preserving High-Resolution Image Gradient Computation Based on Fully Homomorphic Encryption
• Title（参考訳）: 完全同型暗号化に基づく高分解能画像勾配計算のプライバシ保存
• Authors: Yufei Zhou,
• Abstract要約: ホモモルフィック暗号化(HE)は、プライバシを保存する画像処理のコアメソッドとして登場した。 本稿では,大規模画像のための多文プライバシ保存フレームワークを提案し,半正直なモデルの下での効率的な画像の暗号化と計算を実現する。
• 参考スコア（独自算出の注目度）: 1.342943588774946
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With growing emphasis on privacy protection, homomorphic encryption (HE) has emerged as a core method for privacy-preserving image processing, as it enables operations directly on encrypted data. However, existing research predominantly focuses on low-resolution image processing, and techniques for privacy-preserving high-resolution image processing remain underexplored. As the image size increases, the HE parameters must be adjusted accordingly, and directly applying existing methods can lead to significant computational overhead. In this work, we propose a multi-ciphertext privacy-preserving framework for large images, enabling efficient image encryption and computation under the semi-honest model. Specifically, we divide the large image into multiple sub-images, which allows us to maintain smaller HE parameters and reduce key size. By parallel processing the sub-image ciphertexts and introducing a new bootstrapping placement strategy, we significantly reduce encryption overhead and enhance user experience. On the server side, we optimize the large image convolution operation through a repeated packing technique and implement the Sobel operator computation based on HE. To improve gradient direction calculation for the Sobel operator, we introduce a new polynomial approximation method for the reciprocal function based on the sign function, which can be applied to other HE-based protocols.
• Abstract（参考訳）: プライバシー保護に重点を置いているため、ホモモルフィック暗号化(HE)は、暗号化されたデータ上での操作を可能にするため、プライバシを保存する画像処理のコアメソッドとして登場した。 しかし、既存の研究は主に低解像度画像処理に焦点が当てられており、プライバシー保護のための高解像度画像処理技術はまだ未検討である。 画像サイズが大きくなるにつれて、HEパラメータはそれに応じて調整されなければならない。 本研究では,大規模画像のための多言語プライバシ保存フレームワークを提案する。 具体的には、大きな画像を複数のサブイメージに分割することで、より小さなHEパラメータを維持でき、キーサイズを削減できる。 サブイメージの暗号文を並列処理し,新しいブートストラップ配置戦略を導入することにより,暗号化オーバーヘッドを大幅に削減し,ユーザエクスペリエンスを向上させる。 サーバ側では、繰り返しパッキング技術を用いて大規模な画像畳み込み操作を最適化し、HEに基づくSobel演算子計算を実装した。 ソベル作用素の勾配方向計算を改善するために,符号関数に基づく相互関数の多項式近似法を導入し,他のHEプロトコルに適用する。

関連論文リスト

• Volley Revolver: A Novel Matrix-Encoding Method for Privacy-Preserving Deep Learning (Inference++) [0.0]
  ホモモルフィック暗号化は、信頼できない環境でセキュアな機械学習を実現するための有望なアプローチとして登場した。 本稿では,1つの暗号化暗号文が1つの入力画像を完全に含まなければならないという要件を解消する,符号化・計算フレームワークの改良を提案する。 提案手法は,複数の暗号文にまたがる高解像度入力を分割するために,データレイアウトと準同型演算を再構成する。
  論文  参考訳（メタデータ） (2025-12-21T08:40:31Z)
• ROI-based Deep Image Compression with Implicit Bit Allocation [15.62284701009422]
  関心領域(ROI)に基づく画像圧縮は、重要な領域で高い忠実性を維持する能力によって急速に発展してきた。 既存の圧縮方法は、量子化前に背景情報を抑圧するためにマスクを適用している。 本研究は,暗黙的ビット割り当てを伴うROIに基づく効率的な深部画像圧縮モデルを提案する。
  論文  参考訳（メタデータ） (2025-11-12T02:55:18Z)
• Privacy-Shielded Image Compression: Defending Against Exploitation from Vision-Language Pretrained Models [32.92388946423273]
  本稿では,画像圧縮段階での防御によりユーザのプライバシを保護し,悪用を防止することを目的とする。 本稿では,複数のデコードオプションでビットストリームを生成する,PSIC(Privacy-Shielded Image Compression)と呼ばれるフレキシブルな符号化手法を提案する。 提案手法はプラグアンドプレイであり,既存のLearned Image Compression(lic)モデルにシームレスに統合可能である。
  論文  参考訳（メタデータ） (2025-06-18T07:29:40Z)
• 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)
• Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
  生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。 ストレージの要求が大きいため、一般ユーザからは広く採用されていない。 本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習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） (2023-06-21T06:59:07Z)
• Raw Image Reconstruction with Learned Compact Metadata [61.62454853089346]
  本稿では,メタデータとしての潜在空間におけるコンパクトな表現をエンドツーエンドで学習するための新しいフレームワークを提案する。 提案する生画像圧縮方式は,グローバルな視点から重要な画像領域に適応的により多くのビットを割り当てることができることを示す。
  論文  参考訳（メタデータ） (2023-02-25T05:29:45Z)
• Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image Denoising [50.039949798156826]
  本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。 ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。 次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
  論文  参考訳（メタデータ） (2022-07-09T13:35:12Z)
• Implicit Neural Representations for Image Compression [103.78615661013623]
  Inlicit Neural Representations (INRs) は、様々なデータ型の新規かつ効果的な表現として注目されている。 量子化、量子化を考慮した再学習、エントロピー符号化を含むINRに基づく最初の包括的圧縮パイプラインを提案する。 我々は、INRによるソース圧縮に対する我々のアプローチが、同様の以前の作業よりも大幅に優れていることに気付きました。
  論文  参考訳（メタデータ） (2021-12-08T13:02:53Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)

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。