| Project/Area Number |
23K20933
|
|---|
| Project/Area Number (Other) |
21H01327 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 21020:Communication and network engineering-related
|
|---|
| Research Institution | Tokyo Metropolitan University |
|---|
Principal Investigator |
貴家 仁志 東京都立大学, システムデザイン研究科, 特任教授 (40157110)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
今泉 祥子 千葉大学, 大学院情報学研究院, 准教授 (80535013)
塩田 さやか 東京都立大学, システムデザイン研究科, 准教授 (90705039)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥16,380,000 (Direct Cost: ¥12,600,000、Indirect Cost: ¥3,780,000)
Fiscal Year 2024: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2023: ¥5,460,000 (Direct Cost: ¥4,200,000、Indirect Cost: ¥1,260,000)
Fiscal Year 2022: ¥5,720,000 (Direct Cost: ¥4,400,000、Indirect Cost: ¥1,320,000)
Fiscal Year 2021: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 画像暗号化法 / プライバシー保護 / 深層学習 / 画像暗号化 |
|---|
| Outline of Research at the Start |
本研究の概要は、学修可能な画像暗号化法によるプライバシー保護が可能な深層学習法を構築することである。深層学習に膨大な量の学習用データを必要とするため、プライバシー保護された十分な学習用データの確保が困難であることである。さらに深層学習には大きなメモリコストと計算コストが必要であることから、ユーザーの多くはクラウド環境を深層学習のために選択する。しかし、クラウド環境におけるセキュリティの信頼性は保証されていないという課題がある。
|
| Outline of Annual Research Achievements |
本年度は、深層学習への秘密鍵を用いた暗号化法の適用という本研究テーマにおいて、Vision Trasformer及びConvMixerモデルが持つ組込み構造に着目した昨年度の成果に基礎を置き、暗号化法の適用分野のさらなる拡大について研究を進めた。また同時に、これまでの研究によって明確になった解決すべき課題について取り組んだ。理論及び実験の両面から今年度明らかにすることができた実績を、以下にまとめる。
(a) 組込み法に着目した暗号化法の安全性の強化：モデル本来の性能を低下させないこの暗号化の安全法を各種条件下で評価し、さらなる耐性向上を確認することができた。
(b) 暗号化データを用いた連合学習：複数のユーザが自身のデータを直接公開せずに共同でモデル学習を行う連合学習法が注目されている。暗号化データを用いた連合学習法を研究し、新しい連合学習法を提案した。
(c)敵対的事例攻撃に対する耐性効果：入力データに特殊なノイズを加え、モデルを誤誘導する敵対的事例攻撃に対して、暗号化データの使用した対策を研究した。敵対的事例攻撃には種々のタイプがあり、一般にすべてのタイプの攻撃に有効な対策を施す必要がある。本研究では、暗号化を用いたランダムアンサンブルモデルという新しい視点を提案し、その有効性を評価した。
これらの成果の一部を、6編の学術論文及び6編の国際会議論文として出版した。同時に、電子情報通信学会主催のシンポジウムにおいて、、招待講演を行い、最新の研究成果を広く一般に解説した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究成果の一部を6編の学術論文及び6編の国際会議論文として発表することができ、研究は 順調に進んでいる。さらに、国際会議でのスペシャルセッションでの講演やシンポジウムでの招待講演を行うことができ、広く本テーマの重要性や最新の研究成果を一般に公開することができた。特に、近年高性能モデルとして注目を集めているVision Trasformer及びConvMixerに焦点をあてた成果は、画像分類タスク以外にも暗号化データを適用することを可能として、かつモデルの性能に影響を与えない暗号化を可能にすることから、多くの研究者から注目されている。さらに今年度は、さらなる攻撃耐性向上、暗号化データを用いた連合学習法への展開、敵対的事例攻撃に対する耐性効果という、学習可能な暗号化の新しい成果をあげることができた。
今年度の成果によって、高い信頼性を持つ深層学習法の構築のための、秘密鍵を用いた暗号化法の適用という着想の正当性を再確認することができた。同時に、今年度の成果によって、より広い関連分野においてこの暗号化法が新しい視点を与えることが期待できる。
|
| Strategy for Future Research Activity |
深層学習への秘密鍵を用いた暗号化法の適用という本研究テーマにおいて、Vision Trasformer及びConvMixerモデルが持つ組込み構造に着目したこれまでの成果によって、暗号化法のプライバシー保護の観点からの有効性に加え、その応用分野のさらなる拡大が示された。最終年度である令和6年度は、これまでの成果を総合的に評価を行い、提案法の有効性や適用限界を明確するための考察と、ジャーナル論文を執筆して成果の公開に努める計画である。具体的には、以下の5点を中心に研究を進める。
(a) 組込み法に着目した暗号化法の安全性の強化法に関する論文執筆。
(b) 暗号化データを用いた連合学習法の構築と論文執筆。
(c) 敵対的事例攻撃に対する耐性効果法に関する論文執筆。
(d) 関連研究の再調査と提案法との客観的比較評価。(e) 残された今後の課題の確認 以上の5点の検討方針を実行を通して、4年間の研究成果をまとめ、広く一般に研究成果を公開する。
|
