Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Goto Application

1. WO2020097182 - RECONNAISSANCE VISUELLE PRÉSERVANT LA CONFIDENTIALITÉ PAR L'INTERMÉDIAIRE DE L’APPRENTISSAGE CONTRADICTOIRE

Numéro de publication WO/2020/097182
Date de publication 14.05.2020
N° de la demande internationale PCT/US2019/060037
Date du dépôt international 06.11.2019
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
G06T 9/00 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
TTRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
9Codage d'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
Déposants
  • NEC LABORATORIES AMERICA, INC. [US]/[US]
Inventeurs
  • SOHN, Kihyuk
  • CHANDRAKER, Manmohan
  • TSAI, Yi-Hsuan
Mandataires
  • BITETTO, James J.
Données relatives à la priorité
16/674,42505.11.2019US
62/756,76507.11.2018US
62/878,78626.07.2019US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) PRIVACY-PRESERVING VISUAL RECOGNITION VIA ADVERSARIAL LEARNING
(FR) RECONNAISSANCE VISUELLE PRÉSERVANT LA CONFIDENTIALITÉ PAR L'INTERMÉDIAIRE DE L’APPRENTISSAGE CONTRADICTOIRE
Abrégé
(EN)
A method for protecting visual private data by preventing data reconstruction from latent representations of deep networks is presented. The method includes obtaining latent features (316) from an input image (312) and learning, via an adversarial reconstruction learning framework (318), privacy -preserving feature representations to maintain utility performance and prevent the data reconstruction by: simulating a black-box model inversion attack by training a decoder (332) to reconstruct the input image from the latent features and training an encoder (314) to maximize a reconstruction error to prevent the decoder from inverting the latent features while minimizing the task loss.
(FR)
L'invention concerne un procédé de protection de données privées visuelles par prévention de la reconstruction de données à partir de représentations latentes de réseaux profonds. Le procédé comprend l'obtention de caractéristiques latentes (316) à partir d'une image d'entrée (312) et l'apprentissage, par l'intermédiaire d'un cadre d'apprentissage de la reconstruction contradictoire (318), des représentations de caractéristiques de préservation de la confidentialité pour maintenir des performances de service public et empêcher la reconstruction de données par : simulation d'une attaque d'inversion de modèle de boîte noire par formation d'un décodeur (332) pour reconstruire l'image d'entrée à partir des caractéristiques latentes et entraîner un codeur (314) pour maximiser une erreur de reconstruction pour empêcher le décodeur d'inverser les caractéristiques latentes tout en réduisant au minimum la perte de tâche.
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international