秘密計算を用いた顔認証の構成について

• Item type: Trans(1)
• 公開日: 2024-10-15
• 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 Study on Privacy-Preserving Face Authentication with Secure Computation
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般投稿論文] 機械学習, 顔認証, 秘密計算, 特徴量, 統計的距離
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 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，入力となる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顔画像に関して可能な限り情報を秘匿することが望ましい．本稿では，秘密計算により入力となる顔画像と顔画像データベースおよび認証結果を秘匿する1対1顔認証を提案する．本稿の主な貢献は，上述した顔画像，顔画像データベース，認証結果を秘匿する設定において，秘密計算に適した顔画像の特徴量の形式および特徴量間の統計的距離の計算方法を実験的に明らかにすることである．機械学習としてArcFace，秘密計算としてABY3，EzPCをそれぞれ用いて計算時間と認証精度を評価したところ，3つの知見を得た．まず1つ目の知見として，認証にかかる計算時間と認証精度の双方の観点から最も優れた設定は，特徴量の形式が整数値かつ特徴量間の統計的距離の計算方法がコサイン類似度であることを確認した．次に2つ目の知見として，従来秘密計算の設定は固定小数点が好ましいとされていたにもかかわらず，特徴量の形式として浮動小数点を用いたとしても，実用上充分に高速な秘匿顔認証の構成が可能であることが分かった．特徴量の形式として浮動小数点および特徴量の統計的距離の計算方法にコサイン類似度を用いることは，（秘密計算を用いない）従来の1対1顔認証と同じ設定である．3つ目の知見として，特徴量の形式として固定小数点を用いたとき，特徴量をバイナリ値より整数値にしたほうが，秘密計算の手法および特徴量間の統計的距離の計算方法に依存せず，より高速な処理が可能となることである．これらの知見により，1対1秘匿顔認証において効率的な設定が示された．
• 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 one-to-one privacy-preserving face authentication system based on machine learning, that protects face images, the database, and their inference results. Our primary contribution is to investigate a suitable setting for the proposed system to protect images, the database, and their inference results described above through extensive experiments. When we used ArcFace for machine learning and ABY3, and EzPC for secure computation, we found three key insights through the evaluation of the execution time and authentication accuracy. First, we confirm that the most superior setting in terms of both computation time and authentication accuracy is with integer values as the features of facial images and the cosine similarity as the statistical distance. Second, we confirm that a fairly fast privacy-preserving can be constructed even if a format of features is floating-point and the computation of statistical distance between features is cosine similarity, regardless of using fixed-point for secure computation in existing works. The use of floating-point and cosine similarity is identical to a typical setting of the conventional one-to-one face authentication (without secure computation). Third, when floating-point is used in a format of features, integer values as features can provide faster computation than binary values regardless of secure computation methods and computation methods of statistical distance between features. Our work indicates an effective setting for one-to-one privacy-preserving face authentication.
• 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: AA12894091
• 書誌情報: 情報処理学会論文誌デジタルプラクティス（TDP）; 巻 5, 号 4, p. 62-75, 発行日 2024-10-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2435-6484
• 出版者 / 言語: ja
• 出版者: 情報処理学会