联邦学习与图像加密相结合用于基于视觉Transformer的隐私保护图像分类
计算机视觉与模式识别
2023-03-06 v2 密码学与安全
机器学习
摘要
近年来，深度学习的隐私保护方法已成为一个紧迫的问题。为此，我们提出在采用视觉Transformer（ViT）的情况下，结合联邦学习（FL）与加密图像，实现隐私保护图像分类。所提方法不仅使我们能够在多个参与方之间训练模型而无需直接共享其原始数据，还首次实现了对测试（查询）图像隐私的保护。此外，该方法还能保持与常规训练模型相同的准确率。在实验中，所提方法在CIFAR-10和CIFAR-100数据集上被证明可良好运行且没有任何性能下降。
引用
@article{arxiv.2301.09255,
title = {Combined Use of Federated Learning and Image Encryption for Privacy-Preserving Image Classification with Vision Transformer},
author = {Teru Nagamori and Hitoshi Kiya},
journal= {arXiv preprint arXiv:2301.09255},
year = {2023}
}