プライバシー保護を考慮した深層学習のための学習可能な画像暗号化法の構築

构建一种可学习的图像加密方法，用于深度学习并考虑隐私保护

基本信息

批准号：
21H01327
负责人：
貴家仁志
金额：
$ 10.48万
依托单位：
Tokyo Metropolitan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H01327/
关键词：
画像暗号化法プライバシー保護深層学習画像暗号化

项目摘要

研究開始２年目である本年度は、暗号化データを深層学習に適用することを前提にして、画像、音声データ及び各種学習済みモデルの暗号化の方法について広く研究を行った。特に、近年高性能モデルとして注目を集めているVision Trasformer及びConvMixerに焦点をあて、それらのモデルが持つ組込み構造と高い親和性を有する暗号化法を提案した。さらに提案法に対して種々の条件下で評価・検証実験を行い、提案法の有効性と今後解決すべき課題について明らかにした。理論及び実験の両面から今年度明らかにすることができた実績を、以下にまとめる。(a) モデルの組込み構造を利用することによって、モデルの性能を低下させることなく、すなわち暗号化の性能への影響を回避した形式で、暗号化したデータをモデルに直接適用可能な方法を提案した。(b)　提案法は、画像分類タスクに限らず、画像の物体検出やセマンテックセグメンテーションなどの他の応用、さらに音声データへの展開も可能であることを確認した。(c)　提案法は、データのプライバシー保護、モデル保護には有効であるが、敵対的事例に対する防除に対しては現時点では有効性が限定されることを確認した。これらの成果の一部を、8編の学術論文及び10編の国際会議論文として出版した。同時に、国際会議APSIPA ASC 2022において、スペシャルセッションを企画し、本テーマの重要性を広く広報した。さらに、国内外の会議において、基調講演及び招待講演（計3回）を行い、最新の研究成果を広く一般に解説した。

今年是我们研究开始的第二年，我们广泛研究了图像、音频数据和各种训练模型的加密方法，前提是将加密数据应用于深度学习。我们特别关注近年来作为高性能模型而受到关注的Vision Transformer和ConvMixer，并提出了与这些模型的内置结构高度兼容的加密方法。此外，我们对所提出的方法在各种条件下进行了评估和验证实验，明确了所提出方法的有效性以及未来需要解决的问题。我们今年从理论和实验角度取得的成果总结如下。 (a) 我们提出了一种方法，可以将加密数据直接应用于模型而不降低模型的性能，即通过利用模型的内置结构来避免加密对性能的影响。（b）经证实，所提出的方法不仅限于图像分类任务，还可以应用于其他应用，例如图像对象检测和语义分割以及音频数据。 (c) 已证实，所提出的方法对于数据隐私保护和模型保护是有效的，但其目前对于防止对抗性案件的有效性有限。其中部分成果发表学术论文8篇、国际会议论文10篇。同时，我们在国际会议APSIPA ASC 2022上策划了一场特别会议，广泛宣传这一主题的重要性。此外，他还在日本国内外的会议上做主题演讲和特邀报告（共3次），向广大公众解释最新的研究成果。