EtC画像を用いた暗号化領域でのSVM学習法

• Item type: SIG Technical Reports(1)
• 公開日: 2018-05-31
• タイトル: EtC画像を用いた暗号化領域でのSVM学習法
• タイトル / 言語: en
• タイトル: SVM Computing Using EtC Images in the Encrypted Domain
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 首都大学東京システムデザイン学部
• 著者所属: 首都大学東京システムデザイン学部
• 著者所属: 首都大学東京システムデザイン学部
• 著者所属: 首都大学東京システムデザイン学部
• 著者所属(英): en
• 著者所属(英): Faculity of System Design, Tokyo Metropolitan University
• 著者所属(英): en
• 著者所属(英): Faculity of System Design, Tokyo Metropolitan University
• 著者所属(英): en
• 著者所属(英): Faculity of System Design, Tokyo Metropolitan University
• 著者所属(英): en
• 著者所属(英): Faculity of System Design, Tokyo Metropolitan University
• 著者名: 河村, 綾菜; 前川, 貴大; 木下, 裕磨; 貴家, 仁志
• 著者名(英): Ayana, Kawamura; Takahiro, Maekawa; Yuma, Kinoshita; Hitoshi, Kiya
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，EtC 画像を用いたサポートベクターマシン (SVM) 学習法を提案し，その性能を評価する．ここで，EtC (Encryption-then-Compression) 画像とは，JPEG 圧縮可能な暗号化処理が施された画像である．近年，クラウドサービスを利用し，プロバイダーの提供する計算資源を利用する計算形態が急速に普及している．しかし，プロバイダーの信頼性欠如や事故によって，データの不正利用，流出，プライバシー侵害などの問題が危慎されている．本稿では，そのような背景から．プライバシーを保護した SVM 学習法を考察する．EtC 画像の生成は，データに対する正規化処理の下で，ユニタリ性を持つ変換行列処理に帰着すること，またその結果，代表的なカーネル関数を使用した場合においても，その暗号化処理が SVM の性能に影響を及ぼさないことを示す．最後に SVM の学習法の一例として顔認証実験を行い，提案法の有効性を実験的にも確認している．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose a SVM computing scheme with EtC images, and evaluate the effectiveness of the proposed scheme, where EtC images are images encrypted by the method which has been proposed for Encryption-then-Systems with JPEG compression. Recently, cloud computing is spreading in many fields. However, the cloud computing has some serious issues for end users, such as unauthorized use and leak of data, and privacy compromise, due to unreliability of providers and some accident. Because of such a situation, this paper considers privacy-preserving SVM computing. It is shown that generating EtC images is reduced to a generation scheme using an unitary transform matrix under the use of z-score normalization of the data, so it does not effect the accuracy of SVM computing, even when most of kernel fuctions are used. Some face recognition experiments are carried out as a SVM classification scheme to experimentally confirm the effectiveness of the proposed scheme.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10438399
• 書誌情報: 研究報告オーディオビジュアル複合情報処理（AVM）; 巻 2018-AVM-101, 号 1, p. 1-6, 発行日 2018-05-31
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8582
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会