KR101992739B1 - 딥러닝을 이용한 암호화 방법 - Google Patents
딥러닝을 이용한 암호화 방법 Download PDFInfo
- Publication number
- KR101992739B1 KR101992739B1 KR1020170142638A KR20170142638A KR101992739B1 KR 101992739 B1 KR101992739 B1 KR 101992739B1 KR 1020170142638 A KR1020170142638 A KR 1020170142638A KR 20170142638 A KR20170142638 A KR 20170142638A KR 101992739 B1 KR101992739 B1 KR 101992739B1
- Authority
- KR
- South Korea
- Prior art keywords
- layer
- encryption
- output
- deep learning
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013135 deep learning Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims 1
- 230000003252 repetitive effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 딥러닝을 이용한 암호화 방법에 대한 것으로, 보다 구체적으로 설명하면, 딥러닝을 통한 암호화하는 방법에 대한 것이다.
이를 위해, 객체 데이터를 딥러닝 알고리즘에 입력하고 반복적인 작업을 통해 출력된 결과값을 통계하여 반복 저장하는 딥러닝 분석기법을 이용하는 암호화 방법에 있어서, 인풋레이어와 아웃풋레이어로 구성되는 네트워크의 인풋레이어를 통하여 입력된 객체가 반복학습을 통하여 다음에 배치되는 히든레이어를 거쳐 아웃풋레이어로 출력되는 과정에서 각각의 레이어에서 다음에 배치되는 레이어에 전달되는 출력값인 객체의 데이터를 암호화는 것을 특징으로 하는 딥러닝을 이용한 암호화 방법을 제공하는 것이다.
이를 위해, 객체 데이터를 딥러닝 알고리즘에 입력하고 반복적인 작업을 통해 출력된 결과값을 통계하여 반복 저장하는 딥러닝 분석기법을 이용하는 암호화 방법에 있어서, 인풋레이어와 아웃풋레이어로 구성되는 네트워크의 인풋레이어를 통하여 입력된 객체가 반복학습을 통하여 다음에 배치되는 히든레이어를 거쳐 아웃풋레이어로 출력되는 과정에서 각각의 레이어에서 다음에 배치되는 레이어에 전달되는 출력값인 객체의 데이터를 암호화는 것을 특징으로 하는 딥러닝을 이용한 암호화 방법을 제공하는 것이다.
Description
본 발명은 딥러닝을 이용한 암호화 방법에 대한 것으로, 보다 구체적으로 설명하면, 영상딥러닝을 통한 암호화하는 방법에 대한 것이다.
사회가 다양화되고 인터넷 기술이 발전함에 따라 다양한 형태의 암호 또는 이를 복호 하는 방법 들이 제시되고 있다.
그러나, 이와 같은 다양한 기술이 개발되는 속도에 따라 다양한 형태로 타인의 정보를 해킹하려고 하는 방법들이 개발되고 있어, 암호화 방법이 계속해서 복잡하고 어려워지고 있는 추세이다.
또한 보안을 유지하기 위한 사용자 DB는 그 양적인 면에서나, 종류면에서도 점점 늘어나고 있고, 다양한 형태의 자료에 보안기능을 설정하기에 이르렀고, 자료를 획득하는 방법 중에 하나인 딥러닝기법에서도 이러한 암호화 방법이 점점 부각되고 있는 실정이다.
이는 딥러닝을 통하여 많은 양의 자료가 인식되고, 이를 활용하여 다양한 형태의 정보활용 즉, 응용프로그램이 구동되어야 하기 때문에 기반이 되는 자료의 보안에도 점점더 신경을 써야 하기 때문이다.
예를 들어, 딥러닝을 기반으로 하는 CCTV 등에 적용되는 자료는 개인의 사생활 문제 또는 중요한 기업자료 등이 노출 될 수 있어, 이에 대한 보안이 보다 중요하기 때문이다.
이에, 본 발명의 출원인 또한 딥러닝 분석을 위한 모듈화시스템 및 이를 이용한 영상인식방법(대한민국 등록특허 제10-1657495호)를 제안하여 많은 양의 데이터를 이용하고 있으나, 보안에 취약할 수 있어 이에 대한 암호화 방법이 절실히 필요한 상황이며, 또한, 보다 강력한 암호화 방안이 제안되어야 하는 상황에 오게 되었다.
이러한, 이미지 객체에 대하여 암호화 시키는 방법에 대해서는 대한민국 등록특허 제10-1331242호(검색가능 이미지 암호화 시스템, 이하 '선행기술'이라 함, 2013년 11월 13일 등록)에서 등록된 사용자 단말기로부터 요청된 업로드 동영상 데이터에 대해 암호화하여 저장되게 처리하고, 동영상 데이터의 암호화시 적용한 비밀키 정보를 사용자 단말기를 통해 제공하는 이미지 암호화 관리서버와, 이미지 암호화 관리서버에 제어되며 암호화된 동영상 데이터가 저장된 데이터 베이스를 구비하고, 이미지 암호화 관리서버는 업로드 요청된 동영상 데이터에 대해 인접된 이미지 프레임간 상관도를 산출하고, 산출된 상관도가 설정된 기준 상관도를 초과하는 이미지 프레임을 경계로 기준 상관도 이내의 이전 이미지 프레임들을 부분 스토리 영역으로 분할하고, 부분 스토리 영역내에서 검색용으로 제공할 수 있도록 이미지 프레임을 포스터용 이미지로 발췌하여 대응되는 부분 스토리 영역 이미지들과 매칭되게 데이터 베이스에 저장하고, 사용자 단말기로부터 비밀키를 이용하여 검색요청신호가 수신되면 부분 스토리 영역에 각각 대응되는 포스터용 이미지들을 검색용으로 제공한다. 이러한 검색가능 이미지 암호화 시스템에 의하면, 동영상 데이터에 대해 이미지 프레임간 상관도를 반영하여 구분한 부분 스토리 영역별로 포스터용 이미지를 검색가능하게 제공할 수 있어 암호화가 가능하면서도 검색을 용이하게 지원할 수 있는 장점을 제공하고 있다.
그러나, 상기 선행기술의 경우 단순히 이미지 프레임을 포스터용 이미지로 발췌하여 이미지를 비밀키로 적용하는 기술만을 제공하고 있어, 이미지를 추출하는 딥러닝에 적용하기에는 부적절한 문제가 있었다.
상기와 같은 문제점을 극복하기 위해, 딥러닝을 이용하여 객체를 인식할 때, 적용할 수 있는 딥러닝을 이용한 암호화 방법을 제공하는 것을 본 발명의 목적으로 한다.
본 발명의 또다른 목적은 이중암호화를 통하여 보다 강력한 암호화가 가능한 딥러닝을 이용한 암호화 방법을 제공하는 것이다.
상기와 같은 목적을 달성하기 위한 객체 데이터를 딥러닝 알고리즘에 입력하고 반복적인작업을 통해 출력된 결과값을 통계하여 반복 저장하는 딥러닝 분석기법을 이용하는 암호화 방법에 있어서, 객체 데이터를 딥러닝 알고리즘에 입력하고 반복적인 작업을 통해 출력된 결과값을 통계하여 반복 저장하는 딥러닝 분석기법을 이용하는 암호화 방법에 있어서, 인풋레이어와 아웃풋레이어로 구성되는 네트워크의 인풋레이어를 통하여 입력된 객체가 반복학습을 통하여 다음에 배치되는 히든레이어를 거쳐 아웃풋레이어로 출력되는 과정에서 각각의 레이어에서 다음에 배치되는 레이어에 전달되는 출력값인 객체의 데이터를 암호화는 것을 특징으로 하는 딥러닝을 이용한 암호화 방법을 제공하게 된다.
이때, 상기 네트워크는 인풋레이어와 아웃풋레이어로 구성되는 뉴럴네트워크 또는 인풋레이어와 아웃풋레이어 사이에 복수개의 히든레이어가 구비되는 딥뉴럴네트워크 중 어느 하나를 적용하게 되고, 암호를 실행하기 위해, 아웃풋레이어를 통해 출력되는 출력값인 객체의 데이터를 암호화는 출력 결과 저장 및 이를 반복하여 시행할 때 각각의 객체에 암호를 설정하는 출력 결과 저장 및 반복시 암호화 단계(S10); 후 각각의 객체에 대한 암호화 시 객체를 판별하기 위한 ID를 부여하는 암호화 시 ID 부여 단계(S20)가 더 포함되도록 한다.
또한, 상기 암호화 시 ID 부여 단계(S20) 후 각각의 객체에 부여된 ID를 DB화 하는 부여된 ID를 이용하여 DB화 단계(S30); DB에서 특정 ID 배열을 추출하여 암호조합을 추출하는 단계(S40); 추출된 암호조합으로 이중암호화하는 단계(S50)가 더 추가되고, 상기 객체를 판별하기 위한 ID는 순번 또는 매트릭스 타입의 위치정보를 저장하는 것을 특징으로 하는 딥러닝을 이용한 암호화 방법을 제공함으로써 본 발명의 목적을 보다 잘 달성할 수 있는 것이다.
본 발명의 딥러닝을 이용한 암호화 방법을 제공함으로써, 대용량의 정보 및 사적인 정보 등에 대한 보호를 강화할 수 있는 효과가 있다.
도 1은 본 발명의 순서도이다.
도 2는 본 발명이 적용되는 시스템의 개요도이다.
도 3은 본 발명에 따른 뉴럴네트워크의 개요도이다.
도 4는 본 발명에 따른 딥뉴럴네트워크의 개요도이다.
도 5와 도 6은 본 발명의 암호화 방법을 설명하기 위한 예시도이다.
도 2는 본 발명이 적용되는 시스템의 개요도이다.
도 3은 본 발명에 따른 뉴럴네트워크의 개요도이다.
도 4는 본 발명에 따른 딥뉴럴네트워크의 개요도이다.
도 5와 도 6은 본 발명의 암호화 방법을 설명하기 위한 예시도이다.
이하에서 당업자가 본 발명의 딥러닝을 이용한 암호화 방법에 대하여 용이하게 실시할 수 있도록 설명하도록 한다.
도 1은 본 발명의 순서도이고, 도 2는 본 발명이 적용되는 시스템의 개요도이고, 도 3은 본 발명에 따른 뉴럴네트워크의 개요도이며, 도 4는 본 발명에 따른 딥뉴럴네트워크의 개요도이다.
또한 도 5와 도 6은 본 발명의 암호화 방법을 설명하기 위한 예시도이다.
도 1 내지 6을 참조하여 상세하게 설명하면, 본 발명의 딥러닝을 이용한 암호화 방법은 딥러닝을 이용한 객체 인식 방법에 적용되는 것으로, 모듈화 된 시스템을 이용하여 객체를 인식하여 저장할 때 객체를 인식한 후 반복 저장시 마다 개별 암호화를 진행하는 것이다.
보다 상세하게 설명하면, 복수개의 인풋레이어를 통하여 입력된 객체가 반복학습을 통하여 다음에 배치되는 히든레이어를 통해 아웃풋레이어로 출력되는 과정에서 각각의 레이어에서 다음에 배치되는 레이어에 전달되는 객체의 데이터를 암호화하게 된다.
여기서, 상기 객체는 영상, 이미지 뿐만 아니라 딥러닝 학습과정에서 발생되는 결과값이면 것이면 무엇이든 가능하다.
또한, 인풋레이어와 아웃풋레이어로 구성되는 일반적인 뉴럴네트워크 뿐만 아니라 인풋레이어와 아웃풋레이어 사이에 복수개의 히든레이어가 구비되는 딥뉴럴네트워크에도 동일하게 적용되는 것이다.
이를 위한 모듈화 시스템은 모듈간의 연결을 위한 표준 논리 회로와 입출력 채널을 포함하는 표준 API 인터페이스(11)와 상기 표준 API 인터페이스(11)를 통해 객체 모듈을 송신 및 수신하고 각 카테고리별로 객체 데이터를 모듈상태로 저장하는 객체 데이터베이스(12)와 상기 객체 데이터베이스(12)에 저장된 객체를 반복작업을 통해 객체 인식 응용서비스를 구현하기 위한 딥러닝 알고리즘을 모듈화하여 저장되는 딥러닝 알고리즘 모듈 데이터베이스(13)과 상기 객체 데이터를 딥러닝 알고리즘에 입력하는 반복적인작업을 통해 출력된 결과값을 통계하여 훈련데이터를 저장하는 훈련된 데이터셋 저장소(14); 및 상기 훈련된 데이터셋 저장소(14)의 데이터를 통합구축하여 프로그래밍 된 응용서비스를 저장하는 응용서비스 데이터베이스(15);를 포함하여 구성된 것을 특징으로 하는 딥러닝 분석을 위한 모듈화시스템을 이용하게 된다.
또한, 이러한 시스템을 이용한 암호화 방법은 딥러닝을 이용한 객체 인식 방법 중 출력 결과 저장 및 이를 반복하여 시행할 때 각각의 객체에 암호를 설정하는 출력 결과 저장 및 반복시 암호화를 시행하게 된다.
이때, 상기와 같은 암호화 방법은 인풋레이어를 통하여 입력된 객체를 딥러닝을 통하여 다음 단계에 위치하는 히든레이어로 전달 되고, 각각의 아웃풋레이어를 통하여 얻어지는 결과물의 아웃풋 데이터를 암호화 하게 되는 것이다.
여기서, 딥러닝을 통한 객체 인식 방법에 대하여는 도 5와 도 6과 같이 반복학습을 통하여 일개의 레이어에서 인출된 데이터를 암호화 한 후 다음에 위치하는 레이어에 전달하고, 다음번에 위치한 또다른 레이어로 전달되는 데이터를 또다시 암호화 하는 방법을 반복적으로 수행하여 최종결과물을 도출하게 되는 것이다.
이와 같은 암호화 방법은 이중암호화를 설정할 수 있도록 하는데, 이하에서 도 1을 참조하여 보다 상세하게 설명하도록 한다.
이용한 암호화 방법은 딥러닝을 이용한 객체 인식 방법 중 출력 결과 저장 및 이를 반복하여 시행할 때 각각의 객체에 암호를 설정하는 출력 결과 저장 및 반복시 암호화 단계(S10), 각각의 객체에 대한 암호화 시 객체를 판별하기 위한 ID를 부여하는 암호화 시 ID 부여 단계(S20), 각각의 객체에 부여된 ID를 DB화 하는 부여된 ID를 이용하여 DB화 단계(S30), DB에서 특정 ID 배열을 추출하여 암호조합을 추출하는 단계(S40), 추출된 암호조합으로 이중암호화하는 단계(S50)으로 이루어진다.
1. 출력 결과 저장 및 반복시 암호화 단계(S10)
상기 출력 결과 저장 및 반복시 암호화 단계(S10)는 딥러닝을 통하여 객체를 인식하고 저장하는 작업시 각각의 객체에 암호를 설정하고, 이와 같은 작업을 반복적으로 실시하는 것이다.
보다 구체적으로 설명하면, 객체 데이터를 딥러닝 알고리즘에 입력하는 반복적인 작업을 통해 출력된 결과값을 통계하여 훈련된 데이터를 저장하는 훈련된 데이터셋 저장소(14)에 저장되는 객체에 암호를 설정하여 저장하는 것이다.
2. 암호화 시 ID를 부여하는 단계(S20)
상기 암호화 시 ID를 부여하는 단계(S20) 전단계(S10)에서 각각의 객체에 암호를 설정할 때, 암호와 함께 객체를 판별하기 위해 식별부호인 ID를 부여하게 된다.
보다 상세하게 설명하면, 각각의 암호화 된 객체를 판별하기 위한, 인식수단을 부여하는 것으로, 순번 또는 매트릭스 타입의 위치정보를 저장하게 된다.
예를 들어, 객체가 인식되는 순서대로 순번을 부여하거나, 시간 및 객체의 종류에 따라 문자와 숫자가 병합되는 매트릭스 타입이 될 수 있다.
3. 부여된 ID를 이용하여 DB화하는 단계(S30)
상기 부여된 ID를 이용하여 DB화하는 단계(S30)은 객체를 암호화 할 때 부여된 ID를 DB화하여 객체를 판별하기 위한 정보인 ID를 DB화하여 저장하게 되는 것이다.
이는 복호화 작업을 시행할 경우 각각의 암호화되어 있는 객체를 호출하기 위한 것이다.
4. DB에서 특정 ID 배열을 추출하여 암호조합 추출 단계(S40)
상기 DB에서 특정 ID 배열을 추출하여 암호조합 추출 단계(S40)는 전단계(S30)에서 DB화된 ID 정보에서 특정위치 또는 배열을 무작위로 추출하여 암호조합을 추출하게 된다.
예를 들어, 순번으로 DB화할 경우, 특정 순번{n, n+a, n+a2, n+a3, …}와 같은 집합의 형태로 적용하거나, 매트릭스 형태로 DB화 할 경우 {(1, 2), (3, 4), …}와 같은 위치 정보를 추출하게 되는 것이다.
여기서, n은 불특정 순번이고, a는 정수로서, 불특정 숫자로부터 a번째 떨어진 순번, a의 제곱, 또는 세제곱의 위치에 있는 순번을 추철하여, 순번의 배열을 통하여 암호조합을 추출하게 된다.
또한, 매트릭스 형태의 경우 x축과 y축의 위치를 조합하여 순번의 배열을 통하여 암호조합을 추출하게 되는 것이다.
5. 추출된 암호조합으로 이중암호화하는 단계(S50)
추출된 암호에 대한 조합으로 이중암호화 하게 되는 것은, 앞선 단계에서 추출된 암호조합을 이용하여 2차 암호화 하게 되고, 1차 암호화는 각각의 객체를 저장할 때, 암호화를 실시하게 되어 이중 암호화가 가능하다.
이와 같은 이중암호화는 복호 작업 또한 암호화와 반대로, 암호조합의 2차 암호화를 복호한 후 각각의 객체에 설정되어 있는 1차 암호화를 복호화하는 순으로 진행되도록 한다.
이러한 일련의 작업을 통하여 딥러닝을 이용한 암호화 방법을 구현할 수 있는 것이다.
S10 : 출력 결과 저장 및 반복시 암호화 단계
S20 : 암호화 시 ID를 부여하는 단계
S30 : 부여된 ID를 이용하여 DB화하는 단계
S40 : DB에서 특정 ID 배열을 추출하여 암호조합 추출 단계
S50 : 추출된 암호조합으로 이중암호화하는 단계
S20 : 암호화 시 ID를 부여하는 단계
S30 : 부여된 ID를 이용하여 DB화하는 단계
S40 : DB에서 특정 ID 배열을 추출하여 암호조합 추출 단계
S50 : 추출된 암호조합으로 이중암호화하는 단계
Claims (5)
- 객체 데이터를 딥러닝 알고리즘에 입력하고 반복적인 작업을 통해 출력된 결과값을 통계하여 반복 저장하는 딥러닝 분석기법을 이용하는 암호화 방법에 있어서, 인풋레이어와 아웃풋레이어로 구성되는 네트워크의 인풋레이어를 통하여 입력된 객체가 반복학습을 통하여 다음에 배치되는 히든레이어를 거쳐 아웃풋레이어로 출력되는 과정에서 각각의 레이어에서 다음에 배치되는 레이어에 전달되는 출력값인 객체의 데이터를 암호화하되, 아웃풋레이어를 통해 출력되는 출력값인 객체의 데이터를 암호화는 출력 결과 저장 및 이를 반복하여 시행할 때 각각의 객체에 암호를 설정하는 출력 결과 저장 및 반복시 암호화 단계(S10); 후
각각의 객체에 대한 암호화 시 이미지 객체를 판별하기 위한 ID를 부여하는 암호화 시 ID 부여 단계(S20)가 더 포함되는 것을 특징으로 하는 딥러닝을 이용한 암호화 방법.
- 제 1항에 있어서,
상기 네트워크는 인풋레이어와 아웃풋레이어로 구성되는 뉴럴네트워크 또는 인풋레이어와 아웃풋레이어 사이에 복수개의 히든레이어가 구비되는 딥뉴럴네트워크 중 어느 하나인 것을 특징으로 하는 딥러닝을 이용한 암호화 방법.
- 삭제
- 제 1항에 있어서,
상기 암호화 시 ID 부여 단계(S20) 후 각각의 객체에 부여된 ID를 DB화 하는 부여된 ID를 이용하여 DB화 단계(S30);
DB에서 특정 ID 배열을 추출하여 암호조합을 추출하는 단계(S40);
추출된 암호조합으로 이중암호화하는 단계(S50)가 더 추가되는 것을 특징으로 하는 딥러닝을 이용한 암호화 방법.
- 제 1항에 있어서,
상기 객체를 판별하기 위한 ID는 순번 또는 매트릭스 타입의 위치정보를 저장하는 것을 특징으로 하는 딥러닝을 이용한 암호화 방법.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170142638A KR101992739B1 (ko) | 2017-10-30 | 2017-10-30 | 딥러닝을 이용한 암호화 방법 |
PCT/KR2017/012215 WO2019088313A1 (ko) | 2017-10-30 | 2017-11-01 | 딥러닝을 이용한 암호화 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170142638A KR101992739B1 (ko) | 2017-10-30 | 2017-10-30 | 딥러닝을 이용한 암호화 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190048104A KR20190048104A (ko) | 2019-05-09 |
KR101992739B1 true KR101992739B1 (ko) | 2019-06-26 |
Family
ID=66333213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170142638A KR101992739B1 (ko) | 2017-10-30 | 2017-10-30 | 딥러닝을 이용한 암호화 방법 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR101992739B1 (ko) |
WO (1) | WO2019088313A1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11915477B2 (en) | 2021-11-05 | 2024-02-27 | Korea University Research And Business Foundation | Video processing system and video processing method using split learning |
KR20240051480A (ko) | 2022-10-13 | 2024-04-22 | 국립부경대학교 산학협력단 | 인공신경망을 사용하는 텍스트기반 암호의 복잡도 및 보안성 개선을 위한 시스템 및 방법 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102234097B1 (ko) * | 2019-07-17 | 2021-04-01 | 부산대학교 산학협력단 | 딥러닝을 위한 이미지 처리 방법 및 이미지 처리 시스템 |
KR102307363B1 (ko) | 2020-10-28 | 2021-09-30 | 주식회사 스파이스웨어 | 딥러닝 기반의 시그니처 코드를 이용한 암호화 및 복호화 방법 및 장치 |
CN113050412B (zh) * | 2021-03-09 | 2023-03-21 | 厦门大学 | 一种基于迭代学习控制的批次反应釜控制方法的生成方法 |
KR102525749B1 (ko) | 2021-09-24 | 2023-04-26 | 주식회사 스파이스웨어 | 인공지능 양자내성 암호화 방법 및 장치 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090300417A1 (en) | 2008-05-29 | 2009-12-03 | General Electric Company | System and method for advanced condition monitoring of an asset system |
KR101688458B1 (ko) * | 2016-04-27 | 2016-12-23 | 디아이티 주식회사 | 깊은 신경망 학습 방법을 이용한 제조품용 영상 검사 장치 및 이를 이용한 제조품용 영상 검사 방법 |
US20160379041A1 (en) | 2015-06-24 | 2016-12-29 | Samsung Electronics Co., Ltd. | Face recognition method and apparatus |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101909284B1 (ko) | 2011-12-26 | 2018-10-18 | 인하대학교 산학협력단 | 카오스 사상을 기반으로 디지털 콘텐츠를 보호하기 위한 암호화 장치 및 방법 |
KR101331242B1 (ko) | 2012-07-27 | 2013-11-26 | 차병래 | 검색가능 이미지 암호화 시스템 |
US11720795B2 (en) * | 2014-11-26 | 2023-08-08 | Canary Capital Llc | Neural network structure and a method thereto |
KR102154676B1 (ko) * | 2015-05-14 | 2020-09-10 | 한국과학기술원 | 인공 신경망의 하향식 선택적 주의집중 트레이닝 방법 |
-
2017
- 2017-10-30 KR KR1020170142638A patent/KR101992739B1/ko active IP Right Grant
- 2017-11-01 WO PCT/KR2017/012215 patent/WO2019088313A1/ko active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090300417A1 (en) | 2008-05-29 | 2009-12-03 | General Electric Company | System and method for advanced condition monitoring of an asset system |
US20160379041A1 (en) | 2015-06-24 | 2016-12-29 | Samsung Electronics Co., Ltd. | Face recognition method and apparatus |
KR101688458B1 (ko) * | 2016-04-27 | 2016-12-23 | 디아이티 주식회사 | 깊은 신경망 학습 방법을 이용한 제조품용 영상 검사 장치 및 이를 이용한 제조품용 영상 검사 방법 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11915477B2 (en) | 2021-11-05 | 2024-02-27 | Korea University Research And Business Foundation | Video processing system and video processing method using split learning |
KR20240051480A (ko) | 2022-10-13 | 2024-04-22 | 국립부경대학교 산학협력단 | 인공신경망을 사용하는 텍스트기반 암호의 복잡도 및 보안성 개선을 위한 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
WO2019088313A1 (ko) | 2019-05-09 |
KR20190048104A (ko) | 2019-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101992739B1 (ko) | 딥러닝을 이용한 암호화 방법 | |
Zhang et al. | Privacy-preserving machine learning through data obfuscation | |
US10659220B2 (en) | Method and system for encrypting and decrypting two-dimensional code mask | |
CN101044761B (zh) | 安全处理输入图像的方法 | |
EP3889866A1 (en) | Methods and devices for providing and authenticating two-dimensional code | |
CN108154365B (zh) | 一种生成动态二维码的安全设备、方法及系统 | |
CN103414549A (zh) | 一种qr二维码二值图像分区变密钥混沌加密方法 | |
CN114285575B (zh) | 图像加密和解密方法和装置、存储介质及电子装置 | |
CN114640523B (zh) | 一种计算机数据安全加密方法及系统 | |
CN108833736A (zh) | 基于Logistic混沌映射的非对称多图像加密方法 | |
CN101843087B (zh) | 通过像素属性分离进行的加密 | |
CN105553980A (zh) | 基于云计算的安全指纹识别系统和方法 | |
CN111401572A (zh) | 基于隐私保护的有监督特征分箱方法及装置 | |
Shawkat et al. | A proposed model for text and image encryption using different techniques | |
CN105426727A (zh) | 指纹解密方法及移动终端 | |
CN112380404B (zh) | 数据过滤方法、装置及系统 | |
CN113946858A (zh) | 一种基于数据隐私计算的身份安全认证方法及系统 | |
Manisha et al. | CBRC: a novel approach for cancelable biometric template generation using random permutation and Chinese Remainder Theorem | |
CN113821780A (zh) | 视频解析方法、装置、电子设备及存储介质 | |
CN111881444B (zh) | 一种基于加密标签算法的身份验证系统及其工作方法 | |
Evangelin et al. | Securing recognized multimodal biometric images using cryptographic model | |
Shawkat et al. | Optimization-based pseudo random key generation for fast encryption scheme | |
CN113055153A (zh) | 一种基于全同态加密算法的数据加密方法、系统和介质 | |
Han et al. | A biometric encryption approach incorporating fingerprint indexing in key generation | |
KR101584220B1 (ko) | 암호화 데이터 정렬 유지를 위한 인코딩 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |