Combined Use of Federated Learning and Image Encryption for Privacy-Preserving Image Classification with Vision Transformer

要約

近年、深層学習におけるプライバシー保護手法が喫緊の課題となっている。そこで我々は、Vision Transformer (ViT)を用いたプライバシー保護型画像分類のために、Federated Learning (FL)と暗号化画像を併用することを提案する。提案手法により、生データを直接共有することなく、複数の参加者にモデルを学習させるだけでなく、テスト（クエリ）画像のプライバシーを初めて保護することができる。また、通常の学習済みモデルと同等の精度を維持することも可能である。実験では、CIFAR-10およびCIFAR-100データセットにおいて、提案手法が性能低下なく動作することが実証された。

要約(オリジナル)

In recent years, privacy-preserving methods for deep learning have become an urgent problem. Accordingly, we propose the combined use of federated learning (FL) and encrypted images for privacy-preserving image classification under the use of the vision transformer (ViT). The proposed method allows us not only to train models over multiple participants without directly sharing their raw data but to also protect the privacy of test (query) images for the first time. In addition, it can also maintain the same accuracy as normally trained models. In an experiment, the proposed method was demonstrated to well work without any performance degradation on the CIFAR-10 and CIFAR-100 datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL