Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020022704 - PROCÉDÉ D'APPRENTISSAGE ET DE TEST DE RÉSEAU DE BROUILLAGE POUVANT TRAITER DES DONNÉES À DISSIMULER À DES FINS DE CONFIDENTIALITÉ, ET DISPOSITIF D'APPRENTISSAGE AINSI QUE DISPOSITIF DE TEST L'UTILISANT

Numéro de publication WO/2020/022704
Date de publication 30.01.2020
N° de la demande internationale PCT/KR2019/008939
Date du dépôt international 19.07.2019
CIB
G06F 21/62 2013.01
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
21Dispositions de sécurité pour protéger les calculateurs, leurs composants, les programmes ou les données contre une activité non autorisée
60Protection de données
62Protection de l’accès à des données via une plate-forme, p.ex. par clés ou règles de contrôle de l’accès
G06F 16/35 2019.01
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
16Recherche d’informations; Structures de bases de données à cet effet; Structures de systèmes de fichiers à cet effet
30de données textuelles non structurées
35Groupement; Classement
G06T 3/00 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
TTRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
3Transformation géométrique de l'image dans le plan de l'image
G06N 3/08 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
08Méthodes d'apprentissage
G06N 20/00 2019.01
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
20Apprentissage automatique
CPC
G06F 16/35
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
16Information retrieval; Database structures therefor; File system structures therefor
30of unstructured textual data
35Clustering; Classification
G06F 21/14
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
21Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
10Protecting distributed programs or content, e.g. vending or licensing of copyrighted material
12Protecting executable software
14against software analysis or reverse engineering, e.g. by obfuscation
G06F 21/6245
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
21Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
60Protecting data
62Protecting access to data via a platform, e.g. using keys or access control rules
6218to a system of files or objects, e.g. local or distributed file system or database
6245Protecting personal data, e.g. for financial or medical purposes
G06F 21/6254
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
21Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
60Protecting data
62Protecting access to data via a platform, e.g. using keys or access control rules
6218to a system of files or objects, e.g. local or distributed file system or database
6245Protecting personal data, e.g. for financial or medical purposes
6254by anonymising data, e.g. decorrelating personal data from the owner's identification
G06F 40/279
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
20Natural language analysis
279Recognition of textual entities
G06K 9/00771
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
00624Recognising scenes, i.e. recognition of a whole field of perception; recognising scene-specific objects
00771Recognising scenes under surveillance, e.g. with Markovian modelling of scene activity
Déposants
  • DEEPING SOURCE INC. [KR]/[KR]
Inventeurs
  • KIM, Tae Hoon
Mandataires
  • SU INTELLECTUAL PROPERTY
Données relatives à la priorité
10-2018-008692926.07.2018KR
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) METHOD FOR TRAINING AND TESTING OBFUSCATION NETWORK CAPABLE OF PROCESSING DATA TO BE CONCEALED FOR PRIVACY, AND TRAINING DEVICE AND TESTING DEVICE USING THE SAME
(FR) PROCÉDÉ D'APPRENTISSAGE ET DE TEST DE RÉSEAU DE BROUILLAGE POUVANT TRAITER DES DONNÉES À DISSIMULER À DES FINS DE CONFIDENTIALITÉ, ET DISPOSITIF D'APPRENTISSAGE AINSI QUE DISPOSITIF DE TEST L'UTILISANT
Abrégé
(EN)
A method for learning an obfuscation network used for concealing original data is provided. The method includes steps of: a learning device instructing the obfuscation network to obfuscate inputted training data, inputting the obfuscated training data into a learning network, and allowing the learning network to apply a network operation to the obfuscated training data and thus to generate 1-st characteristic information, and allowing the learning network to apply a network operation to the inputted training data and thus to generate 2-nd characteristic information, and learning the obfuscation network such that an error is minimized, calculated by referring to part of an error acquired by referring to the 1-st and the 2-nd characteristic information, and an error acquired by referring to a task specific output and its corresponding ground truth, and such that an error is maximized, calculated by referring to the training data and the obfuscated training data.
(FR)
L'invention concerne un procédé d'apprentissage d'un réseau de brouillage servant à dissimuler des données d'origine. Le procédé comprend les étapes consistant à : ordonner, par un dispositif d'apprentissage, au réseau de brouillage de brouiller des données d'apprentissage entrées, d'entrer les données d'apprentissage brouillées dans un réseau d'apprentissage, et permettre au réseau d'apprentissage d'appliquer une opération de réseau aux données d'apprentissage brouillées et ainsi de générer des 1ères informations caractéristiques, et permettre au réseau d'apprentissage d'appliquer une opération de réseau aux données d'apprentissage entrées et ainsi de générer des 2des informations caractéristiques, et entraîner le réseau de brouillage de façon à réduire au minimum une erreur, calculée en se référant à une partie d'une erreur acquise en se référant aux 1ères et 2des informations caractéristiques, et d'une erreur acquise en se référant à une sortie spécifique à une tâche et à sa réalité de terrain correspondante, et de façon à augmenter au maximum une erreur, calculée en se référant aux données d'apprentissage et aux données d'apprentissage brouillées.
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international