完全準同型暗号を使用した低メモリフットプリントの暗号化画像分類

画像の分類は、深層ニューラルネットワークの登場により、簡単でアクセス可能な作業となりました。とはいえ、画像に含まれる機密データに関するプライバシーの懸念にはあまり注意が払われていません。この研究では、機械学習と暗号学の交差点を探ることで、この問題に対する解決策を提案します。特に、完全準同型暗号（FHE）は、暗号化されたデータ上で計算を実行できるため、有望な解決策として浮上します。したがって、暗号化された画像の分類を実現し、ユーザーだけが結果を見ることができるFHEに基づく残差ネットワークの実装を提案します。最新の研究と比較して、メモリ要件をフォーミュラよりも大幅に削減しつつ、高い精度と短い計算時間を維持する回路を提案します。この回路は、近似暗号化計算を可能にする著名なCheon–Kim–Kim–Song（CKKS）スキームを使用して実装します。メモリ要件、計算時間、計算精度の3つの観点から結果を評価します。私たちは、約15フォーミュラGBのメモリを使用して、ラップトップ上で5分未満で暗号化されたResNet20を評価することが可能であり、CIFAR-10データセットで91.67％の精度を達成することを示します。これは、平文モデル（92.60％）の精度にほぼ相当します。