结合数据增强用于隐私保护 DNN 的块置乱图像加密
密码学与安全
2021-06-01 v2 图像与视频处理
摘要
本文提出一种用于隐私保护深度神经网络（DNNs）的新型可学习图像加密方法。所提方法基于块置乱，并结合随机裁剪、水平翻转与网格掩码等数据增强技术实施。块置乱的使用增强了对各类攻击的鲁棒性，相反，与数据增强的结合使我们即便使用加密图像也能保持高分类精度。在图像分类实验中，所提方法被证明在隐私保护 DNNs 中是有效的。
引用
@article{arxiv.2104.01398,
title = {Block Scrambling Image Encryption Used in Combination with Data Augmentation for Privacy-Preserving DNNs},
author = {Tatsuya Chuman and Hitoshi Kiya},
journal= {arXiv preprint arXiv:2104.01398},
year = {2021}
}
备注
To be appeared in IEEE ICCE-TW 2021