基于卷积神经网络的隐私保护视频分类
密码学与安全
2021-02-09 v1 计算机视觉与模式识别
机器学习
摘要
许多视频分类应用需要访问个人数据，从而对用户隐私构成侵入性安全风险。我们提出一种基于单帧方法的卷积神经网络隐私保护视频分类实现，使得一方能够从视频中推断标签，而无需视频所有者以未加密方式向其他实体披露其视频。类似地，我们的方法消除了分类器所有者向外部实体以明文形式揭示其模型参数的要求。为此，我们将现有的用于私有图像分类的安全多方计算（MPC）协议与我们新颖的用于不经意单帧选择和跨帧安全标签聚合的 MPC 协议相结合。结果是一个端到端的隐私保护视频分类流水线。我们在私有人类情感识别应用中评估了所提出的方案。我们在多种安全设置下的结果表明，涵盖计算方的诚实多数与不诚实多数配置，以及被动与主动敌手，视频均可以前最先进的准确率被分类，且不泄露敏感用户信息。
引用
@article{arxiv.2102.03513,
title = {Privacy-Preserving Video Classification with Convolutional Neural Networks},
author = {Sikha Pentyala and Rafael Dowsley and Martine De Cock},
journal= {arXiv preprint arXiv:2102.03513},
year = {2021}
}