Privacy-Preserving Object Detection for Vision Transformer-Based Models
यह शोध पत्र विजन ट्रांसफॉर्मर-आधारित मॉडलों के लिए एक नवीन गोपनीयता-संरक्षण ऑब्जेक्ट डिटेक्शन पद्धति प्रस्तुत करता है जो संवेदनशील दृश्य जानकारी को सुरक्षित रखने के लिए कुंजियों (keys) के साथ संवेदी एन्क्रिप्शन (perceptual encryption) और डोमेन अनुकूलन (domain adaptation) का उपयोग करती है, जबकि असुरक्षित मॉडलों के समान सटीकता बनाए रखती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक दुनिया में, कंप्यूटर ने देखना सीख लिया है। वे एक तस्वीर को स्कैन कर सकते हैं और तुरंत एक कुत्ते, एक कार, या एक व्यक्ति की पहचान कर सकते हैं, एक ऐसी क्षमता जो सेल्फ-ड्राइविंग कारों से लेकर सुरक्षा प्रणालियों तक सब कुछ संचालित करती है। यह क्षमता 'विज़न ट्रांसफॉर्मर' नामक एक प्रकार के आर्टिफिशियल इंटेलिजेंस पर निर्भर करती है, जो एक छवि को छोटे टुकड़ों में तोड़ता है और यह विश्लेषण करता है कि वे पूरे दृश्य को समझने के लिए एक साथ कैसे फिट होते हैं। हालाँकि, इस शक्ति के साथ एक जोखिम भी आता है। इन प्रणालियों का उपयोग करने के लिए, लोगों को अक्सर अपनी निजी तस्वीरें क्लाउड में एक रिमोट सर्वर पर भेजनी पड़ती हैं। यदि वह सर्वर समझौता ग्रस्त हो जाता है, या यदि उसे चलाने वाले लोग अविश्वसनीय हैं, तो संवेदनशील दृश्य जानकारी उजागर हो सकती है। वैज्ञानिकों के लिए चुनौती यह तरीका खोजने की है जिससे कंप्यूटर अपना काम करने के लिए पर्याप्त देख सके, लेकिन बिना वास्तविक छवि को मालिक के अलावा किसी और को दिखाए।
टोक्यो मेट्रोपॉलिटन यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने ऑब्जेक्ट डिटेक्शन (वस्तुओं का पता लगाने) के लिए छवियों को सुरक्षित करने के लिए एक नया तरीका विकसित करके इस समस्या का समाधान किया है। उनका कार्य एक विशेष प्रकार के आर्टिफिशियल इंटेलिजेंस मॉडल पर केंद्रित है जो चित्रों में चीजों को पहचानने में विशेष रूप से कुशल है। छवि को जटिल, धीमी एन्क्रिप्शन प्रक्रिया से छिपाने के बजाय, जो कंप्यूटर को भ्रमित कर सकती थी, उन्होंने छवि को प्रोसेस करने के तरीके में एक चतुर युक्ति का उपयोग किया। वे मूल फोटो को लेते हैं और उसके दृश्य विवरणों को एक गुप्त कुंजी (secret key) का उपयोग करके बिखेर देते हैं, जिससे वह मानवीय आंखों के लिए एक उलझी हुई, अपरिचित चीज़ में बदल जाती है। साथ ही, वे कंप्यूटर के अपने आंतरिक निर्देशों पर एक समान बिखराव (scramble) लागू करते हैं। जब ये दोनों बिखरे हुए संस्करण मिलते हैं, तो कंप्यूटर उच्च सटीकता के साथ अपना कार्य कर सकता है, लेकिन डेटा रखने वाला सर्वर केवल शोर (noise) देखता है।
शोधकर्ताओं ने इस विचार का परीक्षण ViTdet नामक एक शक्तिशाली मॉडल का उपयोग करके किया, जिसे एक छवि के भीतर वस्तुओं को खोजने और उनका स्थान निर्धारित करने के लिए डिज़ाइन किया गया है। एक मानक सेटअप में, यदि आप एक स्कैम्बल की गई (बिखेरी हुई) छवि एक ऐसे कंप्यूटर को भेजते हैं जिसे इसके लिए समायोजित नहीं किया गया है, तो सिस्टम पूरी तरह विफल हो जाता है। उनके प्रयोगों में, जब शोधकर्ताओं ने फोटो को एन्क्रिप्ट किया लेकिन कंप्यूटर मॉडल को अपरिवर्तित छोड़ दिया, तो वस्तुओं का पता लगाने की सिस्टम की क्षमता लगभग शून्य हो गई। कंप्यूटर बस स्कैम्बल किए गए डेटा का अर्थ समझने में असमर्थ रहा। इसने यह सिद्ध कर दिया कि केवल छवि को छिपाना पर्याप्त नहीं था; उस छवि को पढ़ने वाले उपकरण को भी उसके अनुरूप बदला जाना आवश्यक था।
इसे हल करने के लिए, टीम ने एक ऐसी प्रणाली बनाई जहाँ क्लाउड में भेजे जाने से पहले मॉडल को स्वयं एन्क्रिप्ट किया जाता है। उन्होंने एक रैंडम पैटर्न बनाया, जैसे कि एक अद्वितीय शफलिंग कोड, और इसका उपयोग उस तरीके को पुनर्व्यवस्थित करने के लिए किया जिससे कंप्यूटर छवि के छोटे टुकड़ों को समझता है। फिर उन्होंने विश्लेषण के लिए भेजी जाने वाली तस्वीरों पर बिल्कुल वही शफलिंग पैटर्न लागू किया। क्योंकि शफलिंग एक विशिष्ट गणितीय तरीके से की गई थी, इसलिए कंप्यूटर के भीतर ये दोनों बिखरे हुए तत्व एक-दूसरे को रद्द कर देते थे। कंप्यूटर डेटा को इस तरह प्रोसेस करता था जैसे कि वह मूल, स्पष्ट फोटो को देख रहा हो, भले ही उसने वास्तव में कभी उसे देखा न हो।
उनके परीक्षणों के परिणाम आश्चर्यजनक थे। जब उन्होंने अस्सी अलग-अलग श्रेणियों की वस्तुओं वाली छवियों के एक बड़े संग्रह पर इस दोहरी-एन्क्रिप्शन विधि का उपयोग किया, तो सिस्टम ने लगभग उतना ही प्रदर्शन किया जितना कि बिना एन्क्रिप्शन के उपयोग किया गया था। एक मानक डेटासेट का उपयोग करते हुए एक परीक्षण में, सिस्टम ने 50.118 के सटीकता स्कोर के साथ वस्तुओं की सही पहचान की, जो कि अनएन्क्रिप्टेड छवियों के उपयोग से प्राप्त 51.412 के स्कोर के बहुत करीब है। यहाँ तक कि जब उन्होंने एक हजार से अधिक ऑब्जेक्ट श्रेणियों के बहुत बड़े और जटिल सेट पर सिस्टम का परीक्षण किया, तब भी प्रदर्शन उच्च बना रहा, जिसमें एन्क्रिप्टेड विधि ने अनएन्क्रिप्टेड बेसलाइन की तुलना में केवल थोड़ा कम स्कोर प्राप्त किया। महत्वपूर्ण रूप से, विश्लेषण चलाने वाला सर्वर न तो मूल छवि देख सका, और न ही उसके पास उसे अनस्कैंबल करने के लिए आवश्यक गुप्त कुंजी थी।
यह दृष्टिकोण गोपनीयता की दिशा में एक महत्वपूर्ण कदम है। यह प्रदर्शित करता है कि सटीकता या सुरक्षा से समझौता किए बिना क्लाउड को संवेदनशील दृश्य कार्यों को आउटसोर्स करना संभव है। शोधकर्ताओं ने पाया कि यह विधि विभिन्न आकारों की वस्तुओं, छोटी बारीकियों से लेकर बड़े दृश्यों तक, प्रभावी ढंग से काम करती है, और छवियों के कंप्रेस या रीसाइज होने पर भी कायम रहती है। यह सुनिश्चित करके कि कंप्यूटर का आंतरिक तर्क और इनपुट डेटा एक गुप्त कुंजी के साथ जुड़े हुए हैं, उन्होंने एक ऐसी प्रणाली बनाई है जहाँ क्लाउड सोच तो सकता है, लेकिन वह यह कभी नहीं जान पाता कि वह किस बारे में सोच रहा है। इसका अर्थ यह है कि भविष्य में, उपयोगकर्ता अपने निजी फोटो का विश्लेषण के लिए साझा करने में विश्वास रख सकते हैं कि दृश्य सामग्री छिपी हुई है, जो एक गणितीय ढाल द्वारा संरक्षित है जिसे केवल उपयोगकर्ता और उनका विशिष्ट मॉडल ही खोल सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।