基于加密神经网络推理的安全人体动作识别
密码学与安全
2022-08-10 v2
摘要
先进的计算机视觉技术可通过检测跌倒以及与癫痫和中风相关的症状，提供近实时的家庭监测以支持“原居安老”。廉价的网络摄像头与云计算服务（用于运行机器学习算法）结合，有潜力带来显著的社会效益。然而，由于隐私问题，它尚未在实际中部署。本文提出一种利用同态加密解决此困境的策略，在保留动作检测的同时保证信息机密性。我们的安全推理协议在真实世界测试数据集上，使用小型和大型神经网络分别能以 86.21% 的灵敏度和 99.14% 的特异度区分跌倒与日常生活活动，平均推理延迟分别为 1.2 秒和 2.4 秒。我们表明，相较延迟优化的 LoLa，我们的方法实现了 613 倍的加速，并且与吞吐量优化的 nGraph-HE2 相比，在安全推理中平均获得 3.1 倍的吞吐量提升。
引用
@article{arxiv.2104.09164,
title = {Secure Human Action Recognition by Encrypted Neural Network Inference},
author = {Miran Kim and Xiaoqian Jiang and Kristin Lauter and Elkhan Ismayilzada and Shayan Shams},
journal= {arXiv preprint arXiv:2104.09164},
year = {2022}
}
备注
16 pages, 6 figures, accepted at Nature Communications