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

点击翻译按钮获取中文摘要

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。