基于流式深度生成模型的局部差分隐私图像生成
计算机视觉与模式识别
2022-12-22 v1 数据库
摘要
诊断放射科医师需要用于医学影像的人工智能（AI），但训练 AI 所需的医学图像的获取已变得日益受限。为了发布和使用医学图像，我们需要一种算法，能够同时保护隐私并保留医学图像中的病理特征。为了开发这样一种算法，我们提出了 DP-GLOW，一种结合了局部差分隐私（LDP）算法与流式深度生成模型（GLOW）之一的混合方法。通过应用 GLOW 模型，我们解开了图像的像素级相关性，这使得使用直接的图像 LDP 算法难以保护隐私。具体而言，我们将图像映射到 GLOW 模型的潜在向量上，其每个元素遵循独立的正态分布，并将拉普拉斯机制应用于该潜在向量。此外，我们将 DP-GLOW 应用于胸部 X 射线图像，在保留病理特征的同时生成了 LDP 图像。
引用
@article{arxiv.2212.10688,
title = {Local Differential Privacy Image Generation Using Flow-based Deep Generative Models},
author = {Hisaichi Shibata and Shouhei Hanaoka and Yang Cao and Masatoshi Yoshikawa and Tomomi Takenaga and Yukihiro Nomura and Naoto Hayashi and Osamu Abe},
journal= {arXiv preprint arXiv:2212.10688},
year = {2022}
}