ICCVApr, 2017

使用双重排列同态加密实现隐私保护的视觉学习

PDF
TL;DR本文提出了一个隐私保护的视觉分类器学习框架，利用分布式私有图像数据进行学习，并使用同态加密系统保护数据隐私。通过 DPHE 和稀疏数据约束方法提高同态加密的运算效率，最终得出在保证数据隐私的前提下，能够与最先进的视觉识别方法媲美的分类器。
privacy-preservingvisual classifiershomomorphic cryptosystemdphesparse data
发现论文，激发创造
  • 具有转移学习的隐私保护卷积神经网络训练

    这篇论文提出了一种基于同态加密技术的隐私保护卷积神经网络训练的实现解决方案，并应用转移学习简化了 CNN 的训练问题。

    Apr, 2023

  • 面向隐私保护深度神经网络的图像加密方案攻击

    该研究针对深度神经网络中的图像应用提出了一种加密技术，并尝试通过选择明文和密文攻击来测试其安全性。

    Apr, 2020

  • 无法察觉的人类图像，可被机器识别

    本文提出了一种有效的隐私保护学习范式，通过对图像进行加密以实现人类不可察觉机器可识别，将这一方法应用于图像分类和目标检测，在 ImageNet 和 COCO 数据集上实验结果表明，这种方法可以实现与现有方法相当的准确性且能够确保加密图像的隐私安全。

    Jun, 2023

  • 使用简单同态加密技术进行隐私保护的 3 层神经网络训练

    使用同态加密技术进行隐私保护的神经网络训练，扩展并结合现有技术，实现对三层神经网络的回归和分类问题进行训练。

    Aug, 2023

  • IEEE 大数据杯 2022：基于深度学习的加密图像隐私保护匹配

    本文介绍了一个基于深度卷积神经网络和数据增强技术的解决方案，用于 IEEE Big Data Cup 2022 挑战中隐私保护匹配加密图像的任务，并在该挑战中获得第一名。主要关键词为智慧城市、智慧传感器、隐私保护、加密技术和深度卷积神经网络。

    Nov, 2022

  • 利用全同态加密增强面部分析的隐私

    我们提出了一种新颖的技术，结合了全同态加密（FHE）和现有的模板保护方案 PolyProtect，通过多项式变换将嵌入式压缩加密，进一步保护密集的 PolyProtect 模板，确保面部嵌入的不可逆性和不可关联性，有效地防止了从面部嵌入中泄露软生物识别属性而不损害识别准确性。

    Apr, 2024

  • 快速同态计算的近似设计提供差分隐私保证

    本研究旨在通过设计一种远程数据隐私保护算法，利用概率近似算子，使得同步训练的目标模型能够在保证差分隐私的前提下，更好地应用于深度学习领域，并优化计算效率。

    Apr, 2023

  • 使用同态加密的隐私保护扩散模型

    本研究论文介绍了一种称为 HE-Diffusion 的基于同态加密的隐私保护稳定扩散框架，主要关注扩散过程的去噪阶段的保护。我们提出了一种新颖的最小失真方法，通过有效的部分图像加密显著减少了开销，同时不损害模型的输出质量。此外，我们采用了稀疏张量表示来加快计算操作，提高了隐私保护扩散过程的整体效率。实验结果表明，HE-Diffusion 相比基准方法实现了 500 倍加速，并将同态加密推断的时间成本降低到分钟级别。HE-Diffusion 的性能和准确性与明文对应物相媲美。本研究将先进的密码技术与最先进的生成模型相结合，为关键应用领域中的隐私保护和高效图像生成铺平了道路。

    Mar, 2024

  • 考虑加密域中数据增强的基于像素图像加密的隐私保护深度神经网络

    本研究提出了一种新的隐私保护深度神经网络方案，既能够在训练和测试中将缺乏视觉信息的图像应用于 DNNs，也能够首次在加密域中考虑数据增强，该方法采用了一种新的基于像素的图像加密方法，同时提出了一种适应性网络以降低图像加密的影响，并对知名的 ResNet-18 网络应用该方法进行图像分类实验，结果表明，在加密域中进行数据增强的传统隐私保护机器学习方法包括现有最先进的方法都无法应用，而所提出的方法在分类精度方面表现卓越。

    May, 2019

  • HETAL：具有同态加密的高效隐私保护迁移学习

    HETAL 是一种高效的基于同态加密的迁移学习算法，通过使用 CKKS 同态加密方案对客户数据进行加密，并采用基于验证的早停方法，实现了对客户隐私的保护，并达到了非加密训练的准确性。

    Mar, 2024