ترجمه فارسی مقاله افزایش حفاظت از حریم خصوصی کاربر محور: یک چارچوب تعاملی از طریق مدل‌های انتشار و یادگیری ماشینی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Enhancing User-Centric Privacy Protection: An Interactive Framework through Diffusion Models and Machine Unlearning
عنوان مقاله به فارسی افزایش حفاظت از حریم خصوصی کاربر محور: یک چارچوب تعاملی از طریق مدل‌های انتشار و یادگیری ماشینی
نویسندگان Huaxi Huang, Xin Yuan, Qiyu Liao, Dadong Wang, Tongliang Liu
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,چشم انداز رایانه و تشخیص الگوی ,
توضیحات Submitted 5 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 5 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In the realm of multimedia data analysis, the extensive use of image datasets has escalated concerns over privacy protection within such data. Current research predominantly focuses on privacy protection either in data sharing or upon the release of trained machine learning models. Our study pioneers a comprehensive privacy protection framework that safeguards image data privacy concurrently during data sharing and model publication. We propose an interactive image privacy protection framework that utilizes generative machine learning models to modify image information at the attribute level and employs machine unlearning algorithms for the privacy preservation of model parameters. This user-interactive framework allows for adjustments in privacy protection intensity based on user feedback on generated images, striking a balance between maximal privacy safeguarding and maintaining model performance. Within this framework, we instantiate two modules: a differential privacy diffusion model for protecting attribute information in images and a feature unlearning algorithm for efficient updates of the trained model on the revised image dataset. Our approach demonstrated superiority over existing methods on facial datasets across various attribute classifications.

چکیده به فارسی (ترجمه ماشینی)

در قلمرو تجزیه و تحلیل داده های چندرسانه ای ، استفاده گسترده از مجموعه داده های تصویر نگرانی های مربوط به حفاظت از حریم خصوصی را در چنین داده هایی افزایش داده است.تحقیقات فعلی عمدتاً بر محافظت از حریم خصوصی یا در به اشتراک گذاری داده ها یا با انتشار مدلهای آموزش آموزش دیده ماشین متمرکز است.مطالعه ما یک چارچوب جامع حفاظت از حفاظت از حریم خصوصی است که همزمان در هنگام به اشتراک گذاری داده ها و انتشار مدل ، از حریم خصوصی داده ها محافظت می کند.ما یک چارچوب حفاظت از حریم خصوصی تصویر تعاملی را پیشنهاد می کنیم که از مدل های یادگیری ماشین سازنده برای تغییر اطلاعات تصویر در سطح ویژگی استفاده می کند و از الگوریتم های موجود در دستگاه برای حفظ حریم خصوصی پارامترهای مدل استفاده می کند.این چارچوب تعاملی کاربر ، امکان تنظیم در شدت حفاظت از حریم خصوصی را بر اساس بازخورد کاربر بر روی تصاویر تولید شده فراهم می کند و تعادل بین حداکثر محافظت از حریم خصوصی و حفظ عملکرد مدل را ایجاد می کند.در این چارچوب ، ما دو ماژول را فوری می کنیم: یک مدل انتشار حریم خصوصی دیفرانسیل برای محافظت از اطلاعات مربوط به ویژگی ها در تصاویر و یک الگوریتم آشکار سازی ویژگی برای به روزرسانی های کارآمد مدل آموزش دیده در مجموعه داده های اصلاح شده.رویکرد ما برتری نسبت به روشهای موجود در مجموعه داده های صورت در طبقه بندی ویژگی های مختلف نشان داد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.