285310記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. プライバシー配慮型の深層ニューラルネットワークのオフロード（Privacy Aware Offloading of Deep Neural Networks）
3 分で読了
0 views

プライバシー配慮型の深層ニューラルネットワークのオフロード

（Privacy Aware Offloading of Deep Neural Networks）

#Neural Networks
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近うちの若手から「画像解析はクラウドに投げれば良い」と言われまして。ただ、社内の現場写真を外に出すのが心配でして、どの程度安全なのか見当がつきません。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、クラウドにデータを送らずにAIの利点を活かせる方法がありますよ。今回の論文はまさにそれを狙ったアプローチなんです。

田中専務

要するに、送る前に何かしておけば外部の人が写真の中身を見られない、ということですか？それで業務はちゃんと回るんでしょうか。

AIメンター拓海

その通りです。論文の狙いはデータを「不可解化（obfuscate）」して人間の目には意味が分からないようにしつつ、学習済みの分類モデルは正しく判断できるようにすることです。まずは結論を三点で説明しますよ。

田中専務

三点ですか。どんな点でしょう。投資対効果の観点からも教えてください。

AIメンター拓海

いい質問です。まず一、クラウドに送るデータを変換して人が解読できない形にすることでプライバシーリスクを下げること。二、既存の学習済みネットワークをそのまま使えるため追加コストが限定的であること。三、変換と復元の関係を学習させることで、情報の「有用性」は保ちながら「可視性」は落とせること、です。

田中専務

なるほど。これって要するに画像の中身を見せずに分類だけさせるということ？クラウド事業者に見られて困る情報を渡さずに済むわけですね。

AIメンター拓海

その理解で合っていますよ。専門用語で言うと、

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
ClaRANによる電波源自動分類
（Classifying Radio sources Automatically with Neural networks）
次の記事
ランジュバン力学による敵対的攻撃への堅牢化
（Robustifying Models Against Adversarial Attacks by Langevin Dynamics）
関連記事
気象レーダーデータにおける共同営巣の検出と追跡
（Detecting and Tracking Communal Bird Roosts in Weather Radar Data）
分子動力学における集合変数同定のための深層学習手法の理解
（Understanding recent deep-learning techniques for identifying collective variables of molecular dynamics）
人間中心のAIを可能にする：方法論的視点
（Enabling Human-Centered AI: A Methodological Perspective）
点群を用いた微分可能な高性能レイトレーシングベースの電波伝搬シミュレーション
（Differentiable High-Performance Ray Tracing-Based Simulation of Radio Propagation with Point Clouds）
ReLUと加算に基づくゲーティングRNN
（ReLU and Addition-based Gated RNN）
ビームステアリングと結合手法によるmmWave手指衛生監視の改善
（Improving mmWave based Hand Hygiene Monitoring through Beam Steering and Combining Techniques）
関連タグ
#Neural Networks
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
マルチトラック楽曲の潜在空間学習
（LEARNING A LATENT SPACE OF MULTITRACK MEASURES）
  • 論文研究
ニューラル機械翻訳のスケーリング
（Scaling Neural Machine Translation）
  • 論文研究
不均衡データに強い顔認識表現学習
（Deep Imbalanced Learning for Face Recognition and Attribute Prediction）
  • 論文研究
ビデオ記述技術の全体像と評価指標の課題
（Video Description: A Survey of Methods, Datasets and Evaluation Metrics）
  • 論文研究
空間-スペクトル深層残差ネットワークによる高スペクトル画像のノイズ除去
（Hyperspectral Image Denoising Employing a Spatial-Spectral Deep Residual Convolutional Neural Network）
  • 論文研究
非線形係数による深層ニューラルネットワークの一般化予測
（The Nonlinearity Coefficient: Predicting Generalization in Deep Neural Networks）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む