論文の概要: Learning-Based Reconstruction Attacks on Coordinate-Obfuscated Point Clouds

• arxiv url: http://arxiv.org/abs/2609.02568v1
• Date: Wed, 02 Sep 2026 13:17:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.362939
• Title: Learning-Based Reconstruction Attacks on Coordinate-Obfuscated Point Clouds
• Title（参考訳）: コーディネート Obfuscated 点群における学習に基づく再構成攻撃
• Abstract要約: 我々は、機械学習による再構成攻撃に対する選択座標暗号の堅牢性を評価する。 完全暗号化された$X$座標の再構築は依然として困難であり,texttt2X方式では近隣の座標を通して十分な情報を漏洩させて正確な再構成を可能にする。
• 参考スコア（独自算出の注目度）: 1.6103863723028466
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Volumetric video based on point cloud representations enables immersive virtual and augmented reality applications but introduces significant challenges for efficient and secure content delivery. Prior work proposed a selective coordinate encryption framework for point clouds that encrypts only a subset of coordinates, reducing computational costs while visually degrading unauthorized content. However, it remains unclear whether the remaining unencrypted information is sufficient to enable content reconstruction. In this paper, we evaluate the robustness of selective coordinate encryption against machine learning-based reconstruction attacks. We consider an attacker with access to selectively encrypted point clouds attempting to recover encrypted coordinates without decryption by exploiting spatial and geometric correlations in the unencrypted data. We evaluate PointNet and Random Forest models under two encryption granularities: \texttt{X}, where all $X$ coordinates are encrypted, and \texttt{2X}, where every second $X$ coordinate is encrypted. Our results show that reconstructing fully encrypted $X$ coordinates remains challenging, whereas the \texttt{2X} scheme leaks sufficient information through neighboring coordinates to enable accurate reconstruction. These findings demonstrate that the security of selective coordinate encryption depends strongly on encryption granularity.
• Abstract（参考訳）: ポイントクラウド表現に基づくボリュームビデオは、没入型バーチャルおよび拡張現実アプリケーションを実現すると同時に、効率的かつセキュアなコンテンツ配信に関する大きな課題を導入している。 以前の研究では、座標のサブセットのみを暗号化し、不正なコンテンツを視覚的に劣化させながら計算コストを削減する、ポイントクラウドのための選択的な座標暗号フレームワークが提案されていた。 しかし、残りの暗号化されていない情報がコンテンツ復元に十分であるかどうかは不明である。 本稿では,機械学習による再構成攻撃に対する選択座標暗号の堅牢性を評価する。 暗号化されていないデータの空間的および幾何学的相関を利用して、復号化せずに暗号化された座標を復元しようとする、選択的に暗号化された点群にアクセスできる攻撃者を考える。 我々はPointNetとRandom Forestのモデルを、すべての$X$座標が暗号化された \texttt{X} と、毎秒$X$座標が暗号化された \texttt{2X} の2つの暗号化粒度で評価する。 その結果, 完全暗号化された$X$座標の再構築は依然として困難であり, 一方, \texttt{2X} スキームは近隣の座標から十分な情報を漏出し, 正確な再構成を可能にすることがわかった。 これらの結果は、選択座標暗号のセキュリティは、暗号化の粒度に強く依存していることを示している。

関連論文リスト

• 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)
• Secure Semantic Communication With Homomorphic Encryption [52.5344514499035]
  本稿では,SemCom に準同型暗号を適用する可能性について検討する。 タスク指向のSemComスキームを提案する。
  論文  参考訳（メタデータ） (2025-01-17T13:26:14Z)
• Implicit Neural Compression of Point Clouds [61.491532656446054]
  NeRC$3$は、新しいポイントクラウド圧縮フレームワークである。 NeRC$3$は密度点雲の幾何学と属性の両方を符号化する。 動的点雲の場合、4D-NeRC$3$は優れた幾何圧縮性能を達成する。
  論文  参考訳（メタデータ） (2024-12-11T03:22:00Z)
• Secure Outsourced Decryption for FHE-based Privacy-preserving Cloud Computing [3.125865379632205]
  ホモモルフィック暗号化(HE)は、データのプライバシを保護するためのソリューションのひとつであり、暗号化されたデータをクラウドでセキュアに処理できるようにする。 本稿では、RLWEをベースとした完全同型暗号方式のためのアウトソース復号化プロトコルを提案する。 実験により,提案プロトコルはクライアントのローカル復号化において最大67%の高速化を実現し,空間使用量の50%の削減を図った。
  論文  参考訳（メタデータ） (2024-06-28T14:51:36Z)
• Ciphertext-Only Attack on a Secure $k$-NN Computation on Cloud [0.0]
  暗号化は、不正アクセス、データ漏洩、そしてその結果の金銭的損失、評判の損害、法的問題を防ぐことができる。 Sanyashiらは、クラウド上のプライバシー保護のための$k$-NN計算を容易にする暗号化スキームを提案した。 我々は、効率的なアルゴリズムを与え、その暗号方式が暗号文のみの攻撃(COA)に弱いことを実証的に示す。
  論文  参考訳（メタデータ） (2024-03-14T03:53:01Z)
• 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)
• RiDDLE: Reversible and Diversified De-identification with Latent Encryptor [57.66174700276893]
  本研究は、Reversible and Diversified De-identification with Latent Encryptorの略であるRiDDLEを提示する。 事前に学習したStyleGAN2ジェネレータ上に構築されたRiDDLEは、潜伏空間内の顔のアイデンティティを暗号化して復号する。
  論文  参考訳（メタデータ） (2023-03-09T11:03:52Z)
• SoftPool++: An Encoder-Decoder Network for Point Cloud Completion [93.54286830844134]
  本稿では,ポイントクラウド完了作業のための新しい畳み込み演算子を提案する。 提案した演算子は、最大プールやボキセル化操作を一切必要としない。 提案手法は,低解像度・高解像度の形状仕上げにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-05-08T15:31:36Z)

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。