| 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 | 2024-02-29 17:20 Vision Transformer の連合学習のためのモデル精度の劣化を生じないプライバシー保護強化法 ○麻生 伶・塩田さやか・貴家仁志（都立大）  EA2023-80 SIP2023-127 SP2023-62 |
|
| 抄録 | （和） | 連合学習とは，各クライアントの学習データを直接共有せずに更新されたモデル情報を共有して，全てのクライアントのデータを反映させたモデル学習法であり，データのプライバシー保護手法として期待されている．一方，各クライアントのモデル情報から学習データを復元する攻撃手法が研究されており，連合学習の安全性の強化が課題となっている．そこで，本稿では，Vision Transformerを例にして，乱数列を用いてモデル情報に暗号化を施し，かつ暗号化されたモデル情報に打ち消し可能なノイズを加えた新しいフレームワークを，学習データの復元攻撃に対する耐性強化を目的に提案する．提案法は，差分プライバシー保護法に代表される従来の耐性強化法が持つ課題である，耐性強化に伴う特性劣化がなく，かつ暗号化鍵が漏洩した場合にも復元攻撃に対する耐性を維持できる．実験では，画像分類タスクにおいて，CIFAR-10データセットを用いて，勾配漏洩攻撃に対するロバスト性の強化及び分類性能への影響の観点から提案法の有効性を検証する． |
| （英） | Federated learning is a learning method for training models over multiple participants without directly sharing their raw data, and it is expected to be a privacy protection method for training data. In contrast, attack methods have been studied to restore learning data from model information shared with clients, so enhanced security against attacks has become an urgent problem. Accordingly, we propose a novel framework of privacy-preserving federated learning in which model information of each client is encrypted with a random sequence, and a cancelable noise is added to the encrypted information. The proposed framework allows us not only to avoid performance degradation caused by enhancing security, which conventional methods such as differential privacy cannot, but to also be robust against attacks even when encryption keys are leaked. In experiments, we verify the effectiveness of the proposed method on the CIFAR-10 dataset in terms of classification accuracy and robustness against attacks. | |
| キーワード | （和） | 連合学習 / Vision Transformer / プライバシー保護 / / / / / |
| （英） | Federated Learning / Vision Transformer / Praivacy-preserving / / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 402, SIP2023-127, pp. 115-120, 2024年2月. | |
| 資料番号 | SIP2023-127 | |
| 発行日 | 2024-02-22 (EA, SIP, SP) | |
| 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 | EA2023-80 SIP2023-127 SP2023-62 |
|
| 研究会情報 | |
| 研究会 | SIP SP EA IPSJ-SLP |
| 開催期間 | 2024-02-29 - 2024-03-01 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | |
| テーマ（和） | 音声，応用／電気音響, 信号処理，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2024-02-SIP-SP-EA-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | Vision Transformer の連合学習のためのモデル精度の劣化を生じないプライバシー保護強化法 |
| サブタイトル（和） | |
| タイトル（英） | An Enhanced Privacy-Preserving Scheme for Federated Learning of Vision Transformer without Model Performance Degradation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 連合学習 / Federated Learning |
| キーワード(2)（和/英） | Vision Transformer / Vision Transformer |
| キーワード(3)（和/英） | プライバシー保護 / Praivacy-preserving |
| 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） | 麻生 伶 / Rei Aso / アソウ レイ |
| 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 Metropolitan Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 塩田 さやか / Sayaka Shiota / シオタ サヤカ |
| 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 Metropolitan Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 貴家 仁志 / Hitoshi Kiya / キヤ ヒトシ |
| 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 Metropolitan Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-02-29 17:20:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SIP |
| 資料番号 | EA2023-80, SIP2023-127, SP2023-62 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.401(EA), no.402(SIP), no.403(SP) |
| ページ範囲 | pp.115-120 |
| ページ数 | 6 |
| 発行日 | 2024-02-22 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]