論文の概要: Bit-ViP: Leveraging Bit-planes to Preserve Visual Privacy in Images through Obfuscation
- arxiv url: http://arxiv.org/abs/2606.29417v1
- Date: Sun, 28 Jun 2026 14:28:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.907985
- Title: Bit-ViP: Leveraging Bit-planes to Preserve Visual Privacy in Images through Obfuscation
- Title（参考訳）: Bit-ViP: 難読化による画像の視覚的プライバシ保護にビットプレーンを活用する
- Abstract要約: 本稿では,画像認識タスクの視覚的プライバシを保護するために,新しいビットプレーンベースの画像難読化方式であるBit-ViPを提案する。
Bit-ViPスキームは、革新的なエンドツーエンドの難読化機能を導入して、セキュアで使用可能な画像を生成する。
- 参考スコア（独自算出の注目度）: 8.239190526011933
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The unprecedented growth of computer vision applications, such as surveillance systems and social media, raises security and visual privacy concerns, especially when data is stored on cloud servers. Image obfuscation offers a way to preserve visual privacy while maintaining an adequate level of usability; thus, it has been a topic of great interest in recent years. However, prior obfuscation schemes are either vulnerable to malicious attacks, such as model inversion to reconstruct original images from obfuscated images, or generate non-trainable obfuscated images, making them unusable for achieving reasonable accuracy. This paper proposes a novel bit-plane-based image obfuscation scheme, {\em Bit-ViP}, to preserve visual privacy for image-based recognition tasks. The Bit-ViP scheme produces secure, usable images by incorporating an innovative end-to-end obfuscation function. While doing so, the obfuscated image would contain non-invertible noise (generated by Lorenz's chaotic system and differential privacy), making it hard for an adversary to reconstruct the original image. We conduct extensive experiments on two popular activity recognition datasets, namely UCF101 and HMDB51, to validate the effectiveness of Bit-ViP. In the face of attacks on reconstruction, pixel frequency, information entropy, and pixel inter-correlation, we present a rigorous security analysis demonstrating tangible improvements over existing schemes.
- Abstract（参考訳）: 監視システムやソーシャルメディアのようなコンピュータビジョンアプリケーションの前例のない成長は、特にデータがクラウドサーバーに保存されている場合、セキュリティと視覚的プライバシの懸念を提起する。
画像難読化は、適切なレベルのユーザビリティを維持しながら、視覚的プライバシを維持する手段を提供する。
しかし、事前の難読化スキームは、難読化画像から元の画像を再構成するモデル逆転や、訓練不能な難読化画像を生成するなどの悪意ある攻撃に弱いため、適切な精度を達成するには使用できない。
本稿では,画像認識タスクの視覚的プライバシを保護するために,新しいビットプレーンベースの画像難読化方式である「Bit-ViP」を提案する。
Bit-ViPスキームは、革新的なエンドツーエンドの難読化機能を導入して、セキュアで使用可能な画像を生成する。
その間、難読化画像には非可逆性ノイズ(ローレンツのカオスシステムと差分プライバシーによって生成される)が含まれており、敵が元のイメージを再構築するのは困難である。
Bit-ViPの有効性を検証するために,UCF101とHMDB51という2つの一般的なアクティビティ認識データセットについて広範な実験を行った。
再建, 画素周波数, 情報エントロピー, 画素相互相関に対する攻撃に対して, 既存の方式よりも明確な改善を示す厳密なセキュリティ分析を提示する。
関連論文リスト
- Enhancing Privacy in Federated Learning via Dual Obfuscation of Gradients and Training Images [1.0874100424278172]
フェデレーション学習は、各クライアントにデータをローカルに保持しながら、協調的なモデルトレーニングを可能にする。
近年の研究では、共有モデル更新からトレーニングデータを再構成できることが示されている。
本稿では,画像復元攻撃に対するロバスト性を高める二重難読化手法を提案する。
論文 参考訳（メタデータ） (2026-08-20T05:36:22Z) - Privacy-Aware Camera 2.0 Technical Report [48.075034699787004]
物理脱感化、暗号化、難読化など、既存のプライバシー保護アプローチは、セマンティック理解を損なうことが多い。
本稿では,AI Flowパラダイムと協調エッジクラウドアーキテクチャに基づく,新たなプライバシ保護認知フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-05T03:46:20Z) - Privacy Blur: Quantifying Privacy and Utility for Image Data Release [48.64095568151945]
ガウス的曖昧化の実践的実装は、プライバシーを破るのに十分な可逆性を持っていることを示す。
私たちは、他の3つの難読化アルゴリズムによって提供されるプライバシーとユーティリティのトレードオフを詳しく見ていきます。
ピクセル化とノイズ付加は、多くのコンピュータビジョンタスクのプライバシとユーティリティの両方を提供する。
論文 参考訳（メタデータ） (2025-12-18T02:01:17Z) - Adapter Shield: A Unified Framework with Built-in Authentication for Preventing Unauthorized Zero-Shot Image-to-Image Generation [74.5813283875938]
ゼロショット画像・画像生成は知的財産権侵害に重大なリスクをもたらす。
この研究は、個人イメージを誤用から守ることを目的とした、最初の普遍的および認証統合ソリューションであるAdapter Shieldを提示する。
提案手法は, ゼロショット画像合成の不正化において, 最先端の防御を克服する。
論文 参考訳（メタデータ） (2025-11-25T04:49:16Z) - PixelFade: Privacy-preserving Person Re-identification with Noise-guided Progressive Replacement [41.05432008027312]
オンラインの人物識別サービスは、データ漏洩回復攻撃によるプライバシー侵害を検知する。
これまでのプライバシ保護者再識別手法では、回復攻撃に抵抗できず、精度を損なうことはできない。
歩行者画像を保護するための反復的(PixelFade)手法を提案する。
論文 参考訳（メタデータ） (2024-08-10T12:52:54Z) - PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via
Secure Flow [69.78820726573935]
保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。
本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
論文 参考訳（メタデータ） (2023-07-18T10:55:54Z) - Human-imperceptible, Machine-recognizable Images [76.01951148048603]
より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。
画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。
提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
論文 参考訳（メタデータ） (2023-06-06T13:41:37Z) - EViT: Privacy-Preserving Image Retrieval via Encrypted Vision
Transformer in Cloud Computing [9.41257807502252]
本稿では,暗号化ビジョン変換器(EViT)という新しいパラダイムを提案する。
EViTは、画像のプライバシーを効果的に保護しつつ、大きなマージンによる検索精度において、現在のスキームよりも優れた暗号化と検索性能を実現する。
論文 参考訳（メタデータ） (2022-08-31T07:07:21Z) - Image Transformation Network for Privacy-Preserving Deep Neural Networks
and Its Security Evaluation [17.134566958534634]
プライバシー保護DNNのための画像生成のための変換ネットワークを提案する。
提案するネットワークは,視覚情報を強く保護するだけでなく,画像を用いた画像分類精度の維持にも有効である。
論文 参考訳（メタデータ） (2020-08-07T12:58:45Z) - InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
視覚データに流出した個人情報を個人が制限できる技術について検討する。
我々はこの問題を新しい画像難読化フレームワークで解決する。
提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
論文 参考訳（メタデータ） (2020-05-20T19:48:04Z)
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。