使用EtC图像的隐私保护机器学习
密码学与安全
2019-11-04 v1 计算机视觉与模式识别
机器学习
多媒体
图像与视频处理
摘要
在本文中，我们提出一种利用加密图像的隐私保护机器学习新方案，称为EtC（加密后压缩）图像。在许多领域中，于云环境中使用机器学习算法正日益普及。然而，由于云提供商为半可信方，这对终端用户存在严重问题。为此，我们提出使用EtC图像，其最初是为结合JPEG压缩的EtC系统而提出。本文考虑了在z-score归一化使用下EtC图像的新性质。结果表明，EtC图像的使用不仅可保护图像的视觉信息，还能保持向量间的欧氏距离与内积。此外，降维可应用于EtC图像以实现快速而准确的匹配。在实验中，所提方案被应用于一种带分类器的面部识别算法，以借助支持向量机（SVM）与核技巧确认该方案的有效性。
引用
@article{arxiv.1911.00227,
title = {Privacy-Preserving Machine Learning Using EtC Images},
author = {Ayana Kawamura and Yuma Kinoshita and Hitoshi Kiya},
journal= {arXiv preprint arXiv:1911.00227},
year = {2019}
}
备注
to be presented at IWAIT2020