文献

J-GLOBAL ID：201902253587633156   整理番号：19A2772864

ブロックチェーンとディジタル透かしのための機械学習に基づく知覚ハッシング【JST・京大機械翻訳】

Perceptual Hashing based on Machine Learning for Blockchain and Digital Watermarking

著者 (4件)： Zhaoxiong MENG (Kanagawa University,Faculty of Engineering,,Yokohama,,Japan,221-8686) ,  Tetsuya MORIZUMI (Kanagawa University,Faculty of Engineering,,Yokohama,,Japan,221-8686) ,  Sumiko MIYATA (Shibaura Institute of Technology,Faculty of Engineering,,Tokyo,,Japan,135-8548) ,  Hirotsugu KINOSHITA (Kanagawa University,Faculty of Engineering,,Yokohama,,Japan,221-8686)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： WorldS4  ページ： 193-198  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 著者らの以前の研究では,電子透かしに対する3つの要件を見出した。最初に,画像の電子透かし情報を他の画像に変換することを防ぐために,この情報を原画像に基づいて生成しなければならない。第2は,オリジナル画像が修正/編集された後に,オリジナル画像と同じように使用することができる。第3は,複数のディジタル透かしを,信頼された第三者に頼ることなく保存し,管理するべきであるということである。これらの要求を満たすために,知覚ハッシングとブロックチェーンに基づくデジタル著作権管理システムを提案した。しかし,本研究では従来の知覚ハッシングを用いたので,第一と第二の要件について十分な結論を引き出すことはできなかった。本研究では,安定なメッセージダイジェストを得るために,機械学習に基づく知覚ハッシングを改善する方法を提案した。この方法により,画像を最初に修正/編集し,画像集合を生成する。次に,この画像集合を畳込みニューラルネットワーク(CNN)に入力し,画像の特徴を計算し,CNN中間層のデータを機械学習データとして出力した。最後に,機械学習を通して,潜在的確率変数を決定して,潜在的画像特徴を計算することができて,この画像集合の知覚ハッシュ値を,ブロックチェーンとデジタル電子透かしのためにこれらの画像特徴を用いて計算した。また,この方法は,これらの変数を元の著者以外のものによって用いることができないことを保証することによって,著作権セキュリティを確実にするために,ブロックチェーンに関するこれらの潜在的確率変数を記録した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ディジタル方式 ,  著作権 ,  画像 ,  セキュリティ ,  *機械学習 ,  編集 ,  画像特性 ,  *ハッシング
準シソーラス用語： 確率変数 ,  中間層 ,  畳込みニューラルネットワーク ,  ディジタル著作権管理 ,  *ブロックチェーン , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  データ保護  (JD01020V)

タイトルに関連する用語 (5件)： チェーン ,  ディジタル透かし ,  機械学習 ,  知覚 ,  ハッシング