DISCO:深層ニューラルネットワークのための動的および不変感受性チャネル難読【JST・京大機械翻訳】

Singh Abhishek; Chopra Ayush; Sharma Vivek; Garza Ethan; Zhang Emily; Vepakomma Praneeth; Raskar Ramesh

プレプリント

J-GLOBAL ID：202202220869523806 整理番号：21P0069751

DISCO:深層ニューラルネットワークのための動的および不変感受性チャネル難読【JST・京大機械翻訳】

DISCO: Dynamic and Invariant Sensitive Channel Obfuscation for deep neural networks

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 (7件)： , , , , , ,
資料名：
発行年： 2020年12月20日プレプリントサーバーでの情報更新日： 2021年06月15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)

最近の深層学習モデルは画像分類において顕著な性能を示した。これらの深層学習システムは,実際の展開に近づいているが,データに関する一般的な仮定は,どんな敏感な情報も持っていないことである。この仮定は,医療や顔認識システムのような個人の個人情報が含まれるドメインにおいて,多くの実際的事例に対して保持されないかもしれない。この潜在空間における特徴を選択的に除去することは,敏感な情報を保護でき,より良いプライバシー-効用トレードオフを提供する。その結果,動的およびデータ駆動剪定フィルタを学習するDISCOを提案し,特徴空間において敏感な情報を選択的に混乱させる。著者らは,高感度入力と属性のための多様な攻撃方式を提案して,定量的および定性的評価を通して最先端の方法に対するDISCOの有効性を実証した。最後に,新しい攻撃スキームの厳密な探索を奨励するために,1百万の高感度表現の評価ベンチマークデータセットを解放した。【JST・京大機械翻訳】

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

人工知能 , 図形・画像処理一般

, , , ,

前のページに戻る