Keyed Chaotic Tensor Transformations for Secure And Attributable Neural Inference

要約

この作業では、重要なカオス動的変換に基づいて、安全でプライバシーを提供するニューラルネットワーク推論のための新しいフレームワークを紹介します。
提案された方法は、認証された推論、テンソルレベルの透かし、およびデータの帰属を可能にする、決定論的な暗号化されたシードされたカオスシステムをテンソルに適用し、認証された推論、テンソルレベルの透かしを可能にする非可逆的でユーザー固有の変換を生成します。
このフレームワークは、従来の暗号化技術のスケーラブルで軽量な代替品を提供し、AIシステムのテンソルレベルのセキュリティの新しい方向性を確立します。

要約(オリジナル)

This work introduces a novel framework for secure and privacy-preserving neural network inference based on keyed chaotic dynamical transformations. The proposed method applies a deterministic, cryptographically seeded chaotic system to tensors, producing non-invertible, user-specific transformations that enable authenticated inference, tensor-level watermarking, and data attribution. This framework offers a scalable and lightweight alternative to conventional cryptographic techniques, and establishes a new direction for tensor-level security in AI systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google