核心概念
VisualMixer ist ein neuartiges Datenschutzframework, das die Trainings- und Inferenzdaten von visuellen DNN-Aufgaben durch Pixel-Shuffling schützt, ohne Rauschen einzufügen. VisualMixer verwendet eine neue Metrik namens Visual Feature Entropy (VFE), um die visuellen Merkmale eines Bildes effektiv zu quantifizieren, und entwickelt eine aufgabenunabhängige Bildverschleierungsmethode, um die visuelle Privatsphäre der Daten zu schützen.
要約
VisualMixer ist ein Datenschutzframework, das die Trainings- und Inferenzdaten von visuellen DNN-Aufgaben durch Pixel-Shuffling schützt, ohne Rauschen einzufügen. Es verwendet eine neue Metrik namens Visual Feature Entropy (VFE), um die visuellen Merkmale eines Bildes effektiv zu quantifizieren.
VisualMixer bestimmt adaptive Fenstergrössen für das Pixel-Shuffling, um einen Kompromiss zwischen Privatsphäre und Modellgenauigkeit zu erreichen. Es shuffelt Pixel sowohl im räumlichen Bereich als auch im chromatischen Kanalraum in den Regionen, ohne Rauschen einzufügen, um zu verhindern, dass visuelle Merkmale erkannt und erkannt werden, während es einen vernachlässigbaren Genauigkeitsverlust verursacht.
Darüber hinaus entwickelt VisualMixer einen Optimierer namens ST-Adam, der die Konvergenzgeschwindigkeit des Modelltrainings über den verschleierten Bilddaten deutlich verbessert und die Stabilität des Modelltrainings sicherstellt.
統計
Die durchschnittliche Genauigkeitseinbuße beträgt 2,35 Prozentpunkte.
Es gibt fast keine Leistungseinbußen beim Modelltraining.
引用
Keine relevanten Zitate gefunden.