딥러닝 기반 컴퓨터 비전 기술에서 발생하는 전례 없는 데이터 프라이버시 문제를 해결하기 위해, 무선 채널을 차등 프라이버시(DP) 잡음으로 활용하고 이를 딥 신경망으로 구성한 비식별화 전송 시스템을 제안한다. DP의 가우시안 메커니즘을 따름으로써, 수신기에서 수신되는 신호는 가우시안 메커니즘으로 간주될 수 있음을 제시한다. 이어서, 수신 신호의 신호대잡음비(SNR)와 DP의 프라이버시 예산 간의 관계를 논의하고, 특정 프라이버시 예산을 달성하기 위해 전송 전력을 제어하는 방법을 소개한다. 제안된 시스템은 송신기, 무선 채널, 수신기의 세 부분으로 구분할 수 있다. 송신기와 수신기는 딥러닝 네트워크를 사용하여 구성된다. 송신기는 신경망 기반 이미지 인코더 네트워크와, 비식별화 수준을 조정하기 위해 전송 전력을 제어하는 전력 제어 모듈로 구성된다. 무선 채널은 차등 프라이버시 잡음 역할을 수행하며, 송신기의 이미지 인코더 네트워크에서 추출된 전송 이미지 특징 벡터를 익명화한다. 수신기는 후처리 네트워크와 이미지 디코더 네트워크를 포함하며, 이들 또한 딥 신경망을 사용하여 구현된다. 후처리 네트워크는 수신기에서 고품질로 디코딩된 얼굴 이미지를 위해 제안되었으며, 무선 채널에 의해 교란된 수신 특징 벡터를 딥러닝 기반 이미지 인코더 및 디코더 네트워크의 잠재 공간으로 다시 사상한다. 마지막으로, 광범위한 정성적 및 정량적 평가는 제안된 시스템이 전송 전력을 제어하는 것만으로 전송된 얼굴 이미지를 효과적으로 비식별화할 수 있으면서도 디코딩된 얼굴 이미지의 유용성을 유지함을 확인한다. 제안된 시스템은 SNR=2 dB에서 [email protected]이 5.2보다 작고 얼굴 검출 확률이 90%보다 큰 것으로 나타난다. 비식별화 과정이 무선 채널 잡음에 의해 수행되므로, 제안된 시스템은 송신기에서의 비식별화 처리를 요구하지 않으며 따라서 얼굴 이미지를 익명화하기 위한 송신기의 부담이 없다. 또한 본 시스템의 추가적인 장점은 전송 전력을 변경하는 것만으로 비식별화 수준을 제어할 수 있다는 점이다. 제안된 비식별화 시스템은 CCTV 카메라와 같은 무선 엣지에서 이미지를 촬영한 뒤 서버로 전송하되 사람들의 프라이버시를 보호해야 하는 무선 이미지 획득 시나리오에 활용될 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.