通过医学图像对抗水印防止未授权 AI 过度分析
图像与视频处理
2023-09-15 v3 密码学与安全
计算机视觉与模式识别
多媒体
摘要
深度学习的进展促进了人工智能（AI）融入临床实践，尤其在计算机辅助诊断中。鉴于医学图像在各种诊断程序中的关键作用，确保 AI 技术的负责任与安全使用变得势在必行。然而，未授权使用 AI 进行图像分析引发了关于患者隐私及数据保管者专有权利潜在侵犯的重大关切。因此，开发保护患者隐私并维护医学图像版权的务实且经济高效策略成为关键需求。为直接回应这一迫切需求，我们提出一种名为医学图像对抗水印（MIAD-MARK）的开创性方案。我们的方法引入 strategically 误导未授权 AI 诊断模型的水印，在不损害视觉内容完整性的前提下诱导错误预测。重要的是，我们的方法集成了为合法用户定制的授权协议，可通过加密生成的密钥移除 MIAD-MARK。通过大量实验，我们在三个知名医学图像数据集上验证了 MIAD-MARK 的有效性。实证结果表明我们方法的显著影响，在白盒条件下将标准 AI 诊断模型的准确率降至仅 8.57%，在更具挑战性的黑盒场景下为 45.83%。此外，即便存在复杂的 watermark 移除网络，我们的方案仍有效缓解医学图像的未授权利用。值得注意的是，那些 AI 诊断网络应用于受 MIAD-MARK 保护的图像时平均准确率仅 38.59%，凸显了我们保护机制的鲁棒性。
引用
@article{arxiv.2303.09858,
title = {Preventing Unauthorized AI Over-Analysis by Medical Image Adversarial Watermarking},
author = {Xingxing Wei and Bangzheng Pu and Shiji Zhao and Chen Chi and Huazhu Fu},
journal= {arXiv preprint arXiv:2303.09858},
year = {2023}
}