講演抄録/キーワード |
講演名 |
2022-03-07 16:35
特性劣化を生じさせない Vision Transformer モデルのアクセス制御 ○飯島諒太・木下裕磨・貴家仁志(都立大) EMM2021-104 |
抄録 |
(和) |
本稿では,学習済みモデルを正規ユーザー以外に利用できないようにする新たなアクセス制御手法を提案 する.従来のアクセス制御手法では,その機能を持たせるために,性能の劣化やオーバーヘッドに加え,暗号化画像 などを用いた特別なモデル学習を必要とする.一方、本稿で提案する手法では,通常の学習済みモデルを使用可能 であり,かつ性能の劣化や,オーバーヘッドを生じない.提案法は,Vision Transformer (ViT) のパッチ処理および, 位置情報埋め込みの構造に着目した手法である.本稿では,他の Deep Neural Network (DNN) や Convolutional Neural Network (CNN) の構造に見られない ViT 独自の構造に着目し,学習済みモデルを直接暗号化できることを指摘して, アクセス制御に応用可能であることを述べる.さらに,CIFAR-10 を用いた画像分類タスクにおいて,提案法の有効性 を,性能劣化及びアクセス制御の観点から評価する. |
(英) |
In this paper, we propose a novel access control method to protect trained models from unauthorized access. Conventional access control methods cause some performance degradation, and need additional calculations to offer an access control function to models in general. In addition, models have to be trained with specially prepared data such as encrypted images. In contrast, the proposed method does not require any specially prepared data and network modification, and does not cause any performance degradation. The proposed method focuses on the patching process of the vision transformer (ViT) and the structure of the position embedding. We point out that the trained model can be directly encrypted on the bases of the architecture of ViT, and the encrypted models are effective in access control. In an experiment, the effectiveness of the proposed method is evaluated in terms of performance degradation and access control in an image classification task under the use of the CIFAR-10 dataset. |
キーワード |
(和) |
Vision Transformer / アクセス制御 / / / / / / |
(英) |
Vision Transformer / access control / / / / / / |
文献情報 |
信学技報, vol. 121, no. 417, EMM2021-104, pp. 70-75, 2022年3月. |
資料番号 |
EMM2021-104 |
発行日 |
2022-02-28 (EMM) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
EMM2021-104 |
研究会情報 |
研究会 |
EMM |
開催期間 |
2022-03-07 - 2022-03-08 |
開催地(和) |
長崎大学 文教スカイホール |
開催地(英) |
(Primary: Online, Secondary: On-site) |
テーマ(和) |
画質・音質評価,知覚・認知メトリクス,人間視聴覚システム,一般 |
テーマ(英) |
Image and Sound Quality, Metrics for Perception and Recognition, Human Auditory and Visual System, etc. |
講演論文情報の詳細 |
申込み研究会 |
EMM |
会議コード |
2022-03-EMM |
本文の言語 |
日本語 |
タイトル(和) |
特性劣化を生じさせない Vision Transformer モデルのアクセス制御 |
サブタイトル(和) |
|
タイトル(英) |
Access Control of Vision Transformer models without performance degradation |
サブタイトル(英) |
|
キーワード(1)(和/英) |
Vision Transformer / Vision Transformer |
キーワード(2)(和/英) |
アクセス制御 / access control |
キーワード(3)(和/英) |
/ |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
飯島 諒太 / Ryota Iijima / |
第1著者 所属(和/英) |
東京都立大学 (略称: 都立大)
Tokyo Metropolitan University (略称: Tokyo Metro. Univ.) |
第2著者 氏名(和/英/ヨミ) |
木下 裕磨 / Yuma Kinoshita / |
第2著者 所属(和/英) |
東京都立大学 (略称: 都立大)
Tokyo Metropolitan University (略称: Tokyo Metro. Univ.) |
第3著者 氏名(和/英/ヨミ) |
貴家 仁志 / Hitoshi Kiya / |
第3著者 所属(和/英) |
東京都立大学 (略称: 都立大)
Tokyo Metropolitan University (略称: Tokyo Metro. Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2022-03-07 16:35:00 |
発表時間 |
25分 |
申込先研究会 |
EMM |
資料番号 |
EMM2021-104 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.417 |
ページ範囲 |
pp.70-75 |
ページ数 |
6 |
発行日 |
2022-02-28 (EMM) |
|