研究課題/領域番号 |
21K11896
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分60070:情報セキュリティ関連
|
研究機関 | 大阪工業大学 |
研究代表者 |
酒澤 茂之 大阪工業大学, 情報科学部, 教授 (80530823)
|
研究期間 (年度) |
2021-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2024年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
キーワード | 電子透かし / ディープラーニング / 著作権保護 / 世代管理 / 深層学習モデル / 派生モデル / 二次利用 |
研究開始時の研究の概要 |
人工知能のコア技術である深層学習モデルは、その構築にコストがかかっており、知的財産の一種である。そこで、その著作権者を示すための情報を深層学習モデル内に埋め込む「電子透かし技術」を研究する。特に、深層学習モデルを活用したシステム開発においては、個々の条件に合わせて既存の深層学習モデルを調整した派生モデルの構築と利用が不可欠であることから、それらの派生モデルに対して適用可能な電子透かし技術を開発する。
|
研究実績の概要 |
深層学習の広範な利用を促進するための基盤となる研究を実施した。学習済みモデルを再利用する際に、正規の手続きを踏んで再利用することを可能とするような学習モデルの流通が想定される。その際に必要となるのが、学習モデルの著作権者を管理できる仕組みであり、それは派生モデルの世代をさかのぼって著作権者情報を保持できることが望まれる。 2022年度では、white-boxとblack-boxの両方のセッティングにおいて、それぞれ世代管理の実現性を吟味するために、各世代で埋め込んだ電子透かし間の干渉を検証した。 white-boxセッティングについては、基本的なCNNモデルに対して世代ごとに利用するパラメータ空間(ニューラルネットワーク内の重み係数群)を分割して埋め込みを行った。親世代の透かしはスクラッチからCifar-10タスクと共に学習し、子世代の透かしはファインチューニングによってMNISTタスクと共に学習させた。このように異なるタスクで異なる透かしを埋め込んだ結果、最終的なモデルにおいて親世代・子世代の両方の透かしが検出でき、世代管理への適用は有望であることが示された。 black-boxセッティングについては、WRNモデルを用いて画像の分類タスクを行いつつ、特定の鍵画像を入力した際にその出力ラベルからロゴ画像を表現できる方式を用いた。親世代にはImageNetの1000クラス分類の学習データに鍵画像1とロゴ1を加えて学習し、子世代にはそれをファインチューニングしてMNISTの学習データに別種類の鍵画像2とロゴ2に少量の親世代の鍵画像を加えて学習させた。その結果、子世代のモデルから、親世代・子世代それぞれの鍵画像を用いてロゴ1・ロゴ2ともに出力できることを確認した。 これらに関して、2023年2月に開催された情報処理学会オーディオビジュアル複合情報処理(AVM)研究会において発表した。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
研究のステップとして、(1)電子透かし追記時の影響評価、(2)影響を緩和した追記方式の確立、(3)正当な改変と違法な改変の判別、(4)対象タスクの拡張、(5)プロトタイプソフトの開発と公開を計画していた。 2022年度は(1)(2)についてwhite-box、black-boxの両方のセッティングについて複数世代の透かし埋め込みに成功した。
|
今後の研究の推進方策 |
引き続き、複数世代の電子透かし埋め込みとその残存性について更に詳細に検証していく。また、違法な電子透かし追記が行われた際にニューラルネットワーク内の重み係数群に与える変化特性についても分析を進める。 これらの研究成果について国際学会を含む学会発表を2023年度中に行う計画である。
|