プライバシー保護深層学習モデルのための画素ベース暗号化法【JST・京大機械翻訳】

Ahmad Ijaz; Shin Seokjoo

プレプリント

J-GLOBAL ID：202202202700439638 整理番号：22P0323001

プライバシー保護深層学習モデルのための画素ベース暗号化法【JST・京大機械翻訳】

A Pixel-based Encryption Method for Privacy-Preserving Deep Learning Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

近年,ピクセルベース知覚アルゴリズムがプライバシー保護深層学習(DL)ベースアプリケーションに応用されている。しかし,それらのセキュリティは,選択された平文攻撃を示すことによって,その後の研究で壊れた。本論文では,効率的な画素ベース知覚暗号化法を提案した。この方法は,元の画像の固有特性を維持しながら,セキュリティの必要なレベルを提供する。これにより,暗号化ドメインにおける深層学習(DL)アプリケーションが可能になる。その方法は,カオスマップによって生成された,画素値がシーケンス(既存の方法で使用される単一値とは対照的に)でXORedされる置換ベースである。著者らは,それらの低い計算要求のためにロジスティックマップを使用した。さらに,ロジスティックマップにより非効率を補償するために,シーケンスをシャッフルする第2の鍵を用いた。提案手法をDLモデルの暗号化効率と分類精度の観点から比較した。CIFARデータセットを用いて提案した方法を検証した。解析は,分類が暗号画像に関して実行されるとき,モデルがより良い安全性を提供する間,既存の方法の精度を保つことを示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

符号理論 , 図形・画像処理一般

, , , ,

前のページに戻る