BUNET：基于安全 UNET 的盲医学图像分割
计算机视觉与模式识别
2020-07-15 v1 密码学与安全
摘要
各类隐私法规对医疗记录提出的严格安全要求，在大数据时代成为主要障碍。为保障高效的机器学习即服务方案同时保护数据机密性，本文提出盲 UNET（BUNET），一种基于 UNET 架构实现隐私保护医学图像分割的安全协议。在 BUNET 中，我们高效利用同态加密与乱码电路（GC）等密码学原语，为 UNET 神经架构设计完整的安全协议。此外，我们针对高维输入数据下基于 GC 的安全激活协议的计算瓶颈，进行了广泛的架构搜索以降低开销。实验中，我们全面考察了协议的参数空间，并表明在基线架构上相较最先进的安全推理技术可实现高达 14 倍的推理时间缩减，且精度退化可忽略。
引用
@article{arxiv.2007.06855,
title = {BUNET: Blind Medical Image Segmentation Based on Secure UNET},
author = {Song Bian and Xiaowei Xu and Weiwen Jiang and Yiyu Shi and Takashi Sato},
journal= {arXiv preprint arXiv:2007.06855},
year = {2020}
}
备注
11 pages, 2 figures, in Proceedings of International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2020)