秘密計算を用いた顔認証の構成について

• Item type: Symposium(1)
• 公開日: 2022-10-17
• タイトル: 秘密計算を用いた顔認証の構成について
• タイトル / 言語: en
• タイトル: A Construction of Facial Authentication with Secure Computation
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 機械学習, 秘密計算, 顔認証
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 大阪大学
• 著者所属: 大阪大学
• 著者所属: 大阪大学
• 著者所属: 奈良工業高等専門学校
• 著者所属(英): en
• 著者所属(英): Osaka University
• 著者所属(英): en
• 著者所属(英): Osaka University
• 著者所属(英): en
• 著者所属(英): Osaka University
• 著者所属(英): en
• 著者所属(英): National Institute of Technology, Nara College
• 著者名: 手島, 宏貴; 山下, 恭佑; 矢内, 直人; 岡村, 真吾
• 著者名(英): Koki, Tejima; Kyosuke, Yamashita; Naoto, Yanai; Shingo, Okamura
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 機械学習を用いた顔認証技術は様々な場面で利用が進んでいる一方，顔画像と機械学習モデルが参照する顔画像データベース双方において，プライバシーの観点から画像を秘匿する必要がある．本稿では，顔画像の特徴量抽出において機械学習を用いた秘匿顔認証を提案し，それに適した機械学習の設定を実験的に明らかにする．具体的には，顔画像の特徴量を実数値・整数値・バイナリ値のいずれかにすること，また，認証時に顔画像を比較する際の統計的距離をコサイン距離・ハミング距離・ユークリッド距離のいずれかにすることで議論する．機械学習として ArcFace，秘密計算は CrypTen を用いて計算時間と認証精度を評価したところ，二つの知見を得た．まず計算時間と精度の観点において最も優れた設定は，顔画像の特徴量を実数値，認証の際の統計的距離をユークリッド距離であることを確認した．つぎに，様々なデータ分布に対して安定的な挙動を示す設定は特徴量がバイナリ値，統計的距離がハミング距離であることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: While a machine learning-based face authentication technology has been used in various situations, it is necessary to protect both face images and a database of face images referenced by the machine learning model for privacy. In this paper, we propose a privacy-preserving face authentication system based on machine learning for feature extraction of face images and then investigate a suitable setting for the system through extensive experiments. Specifically, we discuss real/integer/binary numbers as features of facial images and cosine/Hamming/Euclidean distance as statistical distances for the authentication. We found two key insights when we evaluate the execution time and authentication accuracy using ArcFace for machine learning and CrypTen for secure computation. First, by examining the registration process of face images, we confirm that the execution time can be improved in a database. Second, we demonstrate that the Euclid distance is superior to the Hamming distance, which is more compatible with secure computation, and that the Euclid distance achieves higher authentication accuracy in a comparable execution time.
• 書誌情報: コンピュータセキュリティシンポジウム2022論文集; p. 516-523, 発行日 2022-10-17
• 出版者 / 言語: ja
• 出版者: 情報処理学会