| 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 (2023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。
2023年度では、CNN(畳み込みニューラルネットワーク)モデルのwhite-boxセッティングにおいて、2世代の世代管理を4世代にまで拡張する技術の検討を進めた。電子透かし埋め込みに用いるパラメータ空間(ニューラルネットワーク内の重み係数群)の分割方法を工夫することにより、最終的に256ビット×4世代分の情報を埋め込み、検出することに成功した。この成果を2023年10月に開催された国際会議2023 IEEE 12th Global Conference on Consumer Electronics (GCCE 2023)、及び2024年1月に開催された国際会議 International Workshop on Advanced Image Technology 2024 (IWAIT 2024)において発表した。
また、上記のCNNモデルに対する研究に加えてVAE(変分オートエンコーダ)に対しても電子透かし埋め込みの検討を行った。その結果、学習時のコスト関数の改変によって、エンコーダ・デコーダのいずれにも電子透かし埋め込みが可能であることを実験結果によって示した。さらに、電子透かしの有無によって、エンコーダ出力である潜在空間の分布の差異を明らかにした。この成果を2024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。
2023年度は②の性能の大幅な改善により4世代にわたる世代管理が可能な電子透かし技術を開発した。また、④に関して、異なるタスクを実施するVAEについても電子透かし埋め込みを実現するとともに、③の判別に関わる潜在空間の分布の特性についても予備的な知見を得た。
|
| 今後の研究の推進方策 |
引き続き、③の判別に関わる違法な改変についての分析を行い、判定方法の確立を目指す。
これらの研究成果について、⑤のプロトタイプソフトの開発と公開を進める。
|
