| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2023-03-02 16:00 ［招待講演］信頼できるAIのための乱数を用いた画像変換 ○貴家仁志（都立大）  EMM2022-87 |
|
| 抄録 | （和） | 乱数列を用いて画像を変換して、その変換された画像を深層ニューラルネットワーク（DNN）に適用する研究が、DNNモデルの信頼性向上に新たな視点を与えている。この乱数列を用いた画像変換には、二つの重要な可能性がある。一つは画像の視覚情報保護であり、他の一つは使用者が制御できる新たな特徴を画像に付加することである。一方、変換画像の使用は、一般にDNNモデルの性能に影響を与え、各種攻撃への耐性や鍵の更新等、新たな課題を生じさせている。本稿では、これら画像変換に関連する最新の研究成果を紹介すると共に、今後の課題と展望について述べる。特に、組込み構造を有するVision Transformerと画像のブロック変換法が高い親和性を持つことを述べ、その最新の応用例や連合学習との組み合わせによる新たな展開を紹介する。 |
| （英） | The combined use of deep neural networks (DNNs) and images transformed with random sequences has given a new insight for improving the reliability of DNN models. Images transformed with random sequences has two important capabilities: protecting visual information on plain images, and giving unique futures controlled by users. In contrast, the use of transformed images causes numerus issues that we have to solve such as no performance degradation of models, robustness against various attacks and the easy update of keys. In this article, we address progress and challenges in learnable image encryption with secret keys for reliable DNNs, and then consider future prospects and issues related to learnable encryption. In particular, we focus on the high similarity between the vision transformer with an embedding structure and block-wise image encryption, and applications on the basis of the similarity. We also introduce a novel federated learning method with encrypted images as the new evolution of privacy-preserving classification tasks. | |
| キーワード | （和） | 画像変換 / 深層学習 / プライバシー保護 / 暗号化 / 連合学習 / / / |
| （英） | Image transformation / Deep learning / Privacy-preserving / Encryption / Federated learning / / / | |
| 文献情報 | 信学技報, vol. 122, no. 412, EMM2022-87, pp. 107-109, 2023年3月. | |
| 資料番号 | EMM2022-87 | |
| 発行日 | 2023-02-23 (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 | EMM2022-87 |
|
| 研究会情報 | |
| 研究会 | EMM |
| 開催期間 | 2023-03-02 - 2023-03-03 |
| 開催地（和） | 福江文化会館 |
| 開催地（英） | Fukue culture hall |
| 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） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | EMM |
| 会議コード | 2023-03-EMM |
| 本文の言語 | 日本語 |
| タイトル（和） | 信頼できるAIのための乱数を用いた画像変換 |
| サブタイトル（和） | |
| タイトル（英） | Image transformation with random numbers for reliable AI |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 画像変換 / Image transformation |
| キーワード(2)（和/英） | 深層学習 / Deep learning |
| キーワード(3)（和/英） | プライバシー保護 / Privacy-preserving |
| キーワード(4)（和/英） | 暗号化 / Encryption |
| キーワード(5)（和/英） | 連合学習 / Federated learning |
| 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） | 貴家 仁志 / Hitoshi Kiya / キヤ ヒトシ |
| 第1著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： TMU) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-03-02 16:00:00 |
| 発表時間 | 60分 |
| 申込先研究会 | EMM |
| 資料番号 | EMM2022-87 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.412 |
| ページ範囲 | pp.107-109 |
| ページ数 | 3 |
| 発行日 | 2023-02-23 (EMM) |
[研究会発表申込システムのトップページに戻る]