WO2019044407A1 - データ管理装置及びデータ管理方法 - Google Patents

データ管理装置及びデータ管理方法 Download PDF

Info

Publication number
WO2019044407A1
WO2019044407A1 PCT/JP2018/029469 JP2018029469W WO2019044407A1 WO 2019044407 A1 WO2019044407 A1 WO 2019044407A1 JP 2018029469 W JP2018029469 W JP 2018029469W WO 2019044407 A1 WO2019044407 A1 WO 2019044407A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
data management
information
processing result
tracking information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2018/029469
Other languages
English (en)
French (fr)
Inventor
淳 宮▲崎▼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Institute of Advanced Industrial Science and Technology AIST
Original Assignee
National Institute of Advanced Industrial Science and Technology AIST
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National Institute of Advanced Industrial Science and Technology AIST filed Critical National Institute of Advanced Industrial Science and Technology AIST
Publication of WO2019044407A1 publication Critical patent/WO2019044407A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
    • G06F21/16—Program or content traceability, e.g. by watermarking
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N99/00—Subject matter not provided for in other groups of this subclass

Definitions

  • the present invention relates to an apparatus and method for managing data.
  • Non-Patent Document 1 a method of embedding an image deep layer code in the frequency domain of image data is known.
  • the present invention has been made to solve such a problem, and an object of the present invention is to provide an apparatus and method for efficiently managing learning data, learning results by a learned network, and the like.
  • a specific information generation unit that generates specific information for specifying the processing result based on a processing result of data, and a specific information generation unit for each process of processing data
  • a data management apparatus comprising: tracking information adding means for adding tracking information obtained by sequentially combining generated specific information to data processing results.
  • the present invention is generated for each process of processing data, a first step of generating specific information for specifying the above processing result based on the processing result of data. And a second step of adding tracking information obtained by sequentially combining specific information in serial to a processing result of the data.
  • FIG. 3 is a schematic view for explaining the data management method shown in FIG. 2;
  • FIG. 1 is a block diagram showing the configuration of a data management apparatus 1 according to an embodiment of the present invention.
  • the data management device 1 includes an input / output terminal 2, a bus 3 connected to the input / output terminal 2, a specific information generation unit 4 connected to the bus 3, and a tracking information addition unit 5, A network deep encryption adding unit 6, an image deep encryption adding unit 7, a value information adding unit 8, and a processing process confirmation unit 9 are provided.
  • FIG. 2 is a flowchart showing a data management method according to the embodiment of the present invention.
  • the data management method shown in FIG. 2 is performed using the data management device 1 shown in FIG. 1 will be described, but the method is similar to the data management device 1 shown in FIG. It is needless to say that it is not limited to the case of using and executing.
  • step S1 the specific information generation unit 4 generates specific information for specifying the processing result based on the processing result of the data.
  • the tracking information adding unit 5 adds tracking information obtained by sequentially and sequentially combining the specific information generated in each process of processing data to the processing result of the data.
  • the method shown in the steps S1 and S2 is exemplified taking as an example the case where data processing is sequentially performed on three learning data D1 to D3 used for learning by the deep layer neural network. Will be explained concretely.
  • the specific information generation unit 4 performs the learning data and the 5W1H of the learning data for each of the learning data D1 to D3, that is, when, where, where, who, who. Calculate the content hash for the metadata that indicates what (Why), why (Why), and how (How), and for the training data D1-D3 as shown in FIG. 3 Each generates content hashes BCi, BCj, BCk.
  • the specific information generating unit 4 determines the learning data set Ds.
  • the specific information generating unit 4 learns the learned network obtained by the learning.
  • a content hash BCn for metadata indicating the learning data set Ds and 5W1H of the learning process is a content hash BCn for metadata indicating the learning data set Ds and 5W1H of the learning process.
  • the specific information generation unit 4 distills the content hash BCn and the distilled for the learned network as shown in FIG. Generate a content hash BCDn for the later network and metadata indicating 5W1H of the distillation.
  • the tracking information adding unit 5 obtains tracking information obtained by sequentially and serially combining the content hash generated by the specific information generating unit 4 in each process of processing the learning data D1 to D3 as described above. Is added to the processing result of data in each process.
  • the tracking information addition unit 5 when the second process is completed, the tracking information addition unit 5 generates the content hashes BCi, BCj, and BCk of the learning data D1 to D3 generated in the first process in the second process.
  • the combined content hashes BCs are serially combined to generate tracking information consisting of (BCi BCj BCk) BCs.
  • the tracking information adding unit 5 serially combines the content hash BCn generated in the third process with the tracking information (((BCi BCj BCk) BCs) Generate tracking information consisting of BCn.
  • the tracking information addition unit 5 serially combines the content hash BCDn generated in the fourth process with the tracking information ((((BCi BCj BCk) BCs) BCn) Generate tracking information consisting of BCDn.
  • the network deep encryption adding unit 6 shown in FIG. 1 has a function of adding deep encryption information specifying the configuration of a neural network on which data is processed to the tracking information.
  • the image deep layer encryption adding unit 7 shown in FIG. 1 performs image depth layer analysis on the data itself such as lower frequency bits of the data compressed by discrete cosine transform (DCT), such as the frequency domain of the data and the background of the image information. It has a function of adding information indicating that the data is learning data using encryption.
  • DCT discrete cosine transform
  • the value information adding unit 8 shown in FIG. 1 has a function of adding information indicating learning data or a value determined for the learned network to the tracking information.
  • processing process confirmation unit 9 shown in FIG. 1 traces back the generation process of the tracking information generated by the tracking information addition unit 5 in time, thereby specifying the original data for the data, and the above tracking By tracing the generation process of information from the past, it has a function to identify each processing applied to the first data.
  • the image deep layer code is added to each of the learning data, whereby the data is the learning data. While being easily identified, all of the learning data to be handled can be efficiently protected and managed by the block chain based on the tracking information.
  • information indicating a learning result by a neural network including information for identifying a data set group used for learning, a distillation result including information for identifying an original learned network used, etc.
  • the block chain based on the tracking information can be efficiently protected and managed.
  • protection means guaranteeing the authenticity of data by guaranteeing tampering prevention by bit operations of others, etc.
  • management means utilization of learning data and learned networks. It means that the process of can be confirmed at any time.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Technology Law (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Image Analysis (AREA)

Abstract

学習用データや学習済ネットワークによる学習結果などを効率的に管理するための装置及び方法を提供することを課題とする。　本課題を解決するため、データの処理結果に基づいて、上記処理結果を特定するための特定情報を生成する特定情報生成部３と、データを処理する過程毎に特定情報生成部３により生成された特定情報を逐次直列的に結合させることにより得られた追跡情報をデータの処理結果に付加する追跡情報付加部４とを備えたデータ管理装置１を提供する。

Description

データ管理装置及びデータ管理方法
　本発明は、データを管理するための装置及び方法に関するものである。
　近年、仮想通貨の取引に端を発してブロックチェーンの技術が開発されたが、その用途は、特許文献１に示されるように、デジタルコンテンツに関する許諾情報の管理にまで広がっている。
　一方、画像データを流通させる際に、その真正性を担保する方法としては、非特許文献１に示されるように、画像データの周波数領域に画像深層暗号を埋め込む方法が知られている。
特開２０１７－５０７６３号公報
松井甲子雄著、「画像深層暗号－手法と応用－」森北出版、１９９３年６月
　しかし、上記のように画像データへ画像深層暗号を埋め込むことは、元の画像データの画質を損なってしまうという問題がある。また、画像のみならず、人口知能による深層学習に用いられる学習用データや学習済ネットワークなどのデータについても効率的に管理するニーズが社会的に高まってきているが、そのようなニーズに応える技術は未だないという問題がある。
　本発明は、このような問題を解決するためになされたもので、学習用データや学習済ネットワークによる学習結果などを効率的に管理するための装置及び方法を提供することを目的とする。
　上記課題を解決するため、本発明は、データの処理結果に基づいて、上記処理結果を特定するための特定情報を生成する特定情報生成手段と、データを処理する過程毎に特定情報生成手段により生成された特定情報を逐次直列的に結合させることにより得られた追跡情報をデータの処理結果に付加する追跡情報付加手段とを備えたデータ管理装置を提供する。
　また、上記課題を解決するため、本発明は、データの処理結果に基づいて、上記処理結果を特定するための特定情報を生成する第一のステップと、データを処理する過程毎に生成された特定情報を逐次直列的に結合させることにより得られた追跡情報をデータの処理結果に付加する第二のステップとを有するデータ管理方法を提供する。
　本発明によれば、学習用データや学習済ネットワークによる学習結果などを効率的に管理することができる。
本発明の実施の形態に係るデータ管理装置１の構成を示すブロック図である。 本発明の実施の形態に係るデータ管理方法を示すフローチャートである。 図２に示されたデータ管理方法を説明するための模式図である。
　以下において、本発明の実施の形態を図面を参照しつつ詳しく説明する。なお、図中同一符号は同一又は相当部分を示す。
　図１は、本発明の実施の形態に係るデータ管理装置１の構成を示すブロック図である。図１に示されるように、データ管理装置１は入出力端子２と、入出力端子２に接続されたバス３と、それぞれバス３に接続された特定情報生成部４、追跡情報付加部５、ネットワーク深層暗号付加部６、画像深層暗号付加部７、価値情報付加部８、及び処理過程確認部９を備える。
　図２は、本発明の実施の形態に係るデータ管理方法を示すフローチャートである。以下においては、図２に示されたデータ管理方法を図１に示されたデータ管理装置１を用いて実行する場合につき説明するが、本方法は、図１に示されたデータ管理装置１を用いて実行する場合に限られないことは言うまでもない。
　ステップＳ１では、特定情報生成部４は、データの処理結果に基づいて、上記処理結果を特定するための特定情報を生成する。次に、ステップＳ２では、追跡情報付加部５は、データを処理する過程毎に生成された特定情報を逐次直列的に結合させることにより得られた追跡情報を前記データの処理結果に付加する。
　ここで、図３を参照しつつ、深層ニューラルネットワークによる学習に使用される３つの学習用データD1～D3を対象に順次データ処理する場合を例として、上記ステップＳ１及びステップＳ２に示された方法を具体的に説明する。
　特定情報生成部４は、第一の過程において、各学習用データD1～D3につき、学習用データと当該学習用データの５Ｗ１Ｈ、すなわち、いつ（When）、どこで（Where）、誰が（Who）、何を（What）、なぜ（Why）、どのように（How）の６要素、を示すメタデータについてのコンテンツハッシュを計算し、図３に示されるように、学習用データD1～D3に対してそれぞれコンテンツハッシュBCi,BCj,BCkを生成する。
　また、第二の過程において上記学習用データD1～D3が一つの学習用データセットDsと扱われた場合には、特定情報生成部４は、図３に示されるように、学習用データセットDsの５Ｗ１Ｈを示すメタデータについてのコンテンツハッシュBCsを生成する。
　また、第三の過程において学習用データD1～D3が深層ニューラルネットワークDNWで学習された場合には、特定情報生成部４は、図３に示されるように、当該学習により得られた学習済ネットワークと学習用データセットDs、及び当該学習処理の５Ｗ１Ｈを示すメタデータについてのコンテンツハッシュBCnを生成する。
　また、第四の過程において上記学習済ネットワークがニューラルネットワークNWで蒸留された場合には、特定情報生成部４は、図３に示されるように、当該学習済ネットワークについての上記コンテンツハッシュBCnと蒸留後のネットワーク、及び当該蒸留の５Ｗ１Ｈを示すメタデータについてのコンテンツハッシュBCDnを生成する。
　そして、追跡情報付加部５は、上記のように学習用データD1～D3を処理する過程毎に特定情報生成部４により生成されたコンテンツハッシュを逐次直列的に結合させることに得られた追跡情報を、各過程におけるデータの処理結果に付加する。
　すなわち、追跡情報付加部５は、上記第二の過程を終えた段階では、第一の過程で生成された学習用データD1～D3の各コンテンツハッシュBCi,BCj,BCkに第二の過程で生成されたコンテンツハッシュBCsを直列的に結合させ、（BCi BCj BCk）BCsからなる追跡情報を生成する。同様に、追跡情報付加部５は、上記第三の過程を終えた段階では、上記追跡情報に対してさらに第三の過程で生成されたコンテンツハッシュBCnを直列的に結合させ、（（BCi BCj BCk）BCs）BCnからなる追跡情報を生成する。さらに、追跡情報付加部５は、上記第四の過程を終えた段階では、上記追跡情報に対してさらに第四の過程で生成されたコンテンツハッシュBCDnを直列的に結合させ、（（（BCi BCj BCk）BCs）BCn）BCDnからなる追跡情報を生成する。
　また、図１に示されたネットワーク深層暗号付加部６は、データが処理されるニューラルネットワークの構成を特定する深層暗号情報を上記追跡情報に付加する機能を有する。
　また、図１に示された画像深層暗号付加部７は、離散コサイン変換（ＤＣＴ）により圧縮されたデータの下位ビットなど当該データの周波数領域や画像情報の背景など当該データ自身に対し、画像深層暗号を用いて当該データが学習用データであることを示す情報を付加する機能を有する。
　また、図１に示された価値情報付加部８は、学習用データあるいは学習済ネットワークについて決められた対価を示す情報を上記追跡情報に付加する機能を有する。
　また、図１に示された処理過程確認部９は、追跡情報付加部５により生成された追跡情報の生成過程を時間的に遡ることにより、当該データに対する元データを特定し、また、上記追跡情報の生成過程を過去から辿ることにより、最初のデータに施された各処理を同定する機能を有する。
　以上より、本発明の実施の形態に係るデータ管理装置１及びデータ管理方法によれば、学習用データの一つ一つには画像深層暗号を付加することにより、当該データが学習用データであることが容易に識別されると共に、取り扱う当該学習用データの全てを上記追跡情報によるブロックチェーンにより効率的に保護しつつ管理することができる。
　より具体的には、学習に使用したデータセット群を識別する情報を含めたニューラルネットワークによる学習結果を示す情報や、使用したオリジナルの学習済ネットワークを識別する情報を含めた蒸留結果などを、上記追跡情報によるブロックチェーンにより効率的に保護しつつ管理することができる。
　なお、上記の「保護」とは、他人のビット操作等による改ざん防止を保証してデータの真正性を担保することを意味し、「管理」とは、学習用データや学習済ネットワークの利活用の過程をいつでも確認することができることを意味する。
１　データ管理装置
４　特定情報生成部
５　追跡情報付加部
６　ネットワーク深層暗号付加部
７　画像深層暗号付加部
８　価値情報付加部
９　処理過程確認部

 

Claims (11)

  1. 　データの処理結果に基づいて、前記処理結果を特定するための特定情報を生成する特定情報生成手段と、
    　前記データを処理する過程毎に前記特定情報生成手段により生成された前記特定情報を逐次直列的に結合させることに得られた追跡情報を前記データの処理結果に付加する追跡情報付加手段を備えたデータ管理装置。
  2. 　前記過程は、学習済ネットワークの生成を含む請求項１に記載のデータ管理装置。
  3. 　前記学習済ネットワークを生成した場合は、前記データへ前記学習済ネットワークを示す深層暗号を付加するネットワーク深層暗号付加手段をさらに備えた請求項２に記載のデータ管理装置。
  4. 　前記データがニューラルネットワークによる学習の対象とされる場合、学習データであることを示す深層暗号を前記データに埋め込む深層暗号付加手段をさらに備えた請求項１に記載のデータ管理装置。
  5. 　前記データの対価情報を前記追跡情報に付加する価値情報付加手段をさらに備えた請求項１に記載のデータ管理装置。
  6. 　前記追跡情報に基づいて、前記データの処理過程を確認する処理過程確認手段をさらに備えた請求項１に記載のデータ管理装置。
  7. 　データの処理結果に基づいて、前記処理結果を特定するための特定情報を生成する第一のステップと、
    　前記データを処理する過程毎に生成された前記特定情報を逐次直列的に結合させることにより得られた追跡情報を前記データの処理結果に付加する第二のステップを有するデータ管理方法。
  8. 　前記過程は、学習済ネットワークの生成を含む請求項７に記載のデータ管理方法。
  9. 　前記学習済ネットワークを生成した場合は、前記データへ前記学習済ネットワークを示す深層暗号を付加する第三のステップをさらに有する請求項８に記載のデータ管理方法。
  10. 　前記データがニューラルネットワークによる学習の対象とされる場合、学習データであることを示す深層暗号を前記データに埋め込む第三のステップをさらに有する請求項７に記載のデータ管理方法。
  11. 　前記データの対価情報を前記追跡情報に付加する第三のステップをさらに有する請求項７に記載のデータ管理方法。

     
PCT/JP2018/029469 2017-09-01 2018-08-06 データ管理装置及びデータ管理方法 Ceased WO2019044407A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017168309 2017-09-01
JP2017-168309 2017-09-01

Publications (1)

Publication Number Publication Date
WO2019044407A1 true WO2019044407A1 (ja) 2019-03-07

Family

ID=65525485

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/029469 Ceased WO2019044407A1 (ja) 2017-09-01 2018-08-06 データ管理装置及びデータ管理方法

Country Status (1)

Country Link
WO (1) WO2019044407A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020160896A (ja) * 2019-03-27 2020-10-01 オリンパス株式会社 画像ファイル生成装置および画像ファイル生成方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08227434A (ja) * 1994-11-24 1996-09-03 Sanyo Electric Co Ltd 著作物データ処理装置及びその著作権情報管理方法
US20170054611A1 (en) * 2015-08-17 2017-02-23 Accenture Global Solutions Limited Trust framework for platform data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08227434A (ja) * 1994-11-24 1996-09-03 Sanyo Electric Co Ltd 著作物データ処理装置及びその著作権情報管理方法
US20170054611A1 (en) * 2015-08-17 2017-02-23 Accenture Global Solutions Limited Trust framework for platform data

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020160896A (ja) * 2019-03-27 2020-10-01 オリンパス株式会社 画像ファイル生成装置および画像ファイル生成方法
JP7186120B2 (ja) 2019-03-27 2022-12-08 オリンパス株式会社 画像ファイル生成装置

Similar Documents

Publication Publication Date Title
Zhou et al. Coverless image steganography without embedding
US11368289B1 (en) Video registration and authentication using blockchain
CN111183423A (zh) 使用嵌入在电子文件中的版权信息识别版权材料
CN110914820A (zh) 使用嵌入式版权信息识别版权材料
CN110968847A (zh) 一种文件水印隐藏、解析方法、装置、设备及存储介质
Anish et al. Intelligence system security based on 3-d image
CN107240060A (zh) 基于动态数字水印的消防安全检查图片防伪方法及系统
WO2024114156A1 (zh) 音频水印处理方法、装置、计算机设备和存储介质
CN111164640A (zh) 使用嵌入在表中的版权信息识别版权材料
Suganya et al. Automatic classification for preventing duplication of online multimedia data in secure cloud infrastructure
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
US20140143554A1 (en) Methods, Systems and Apparatus for Managing Data Entries on a Database
Khare et al. Video steganography using LSB technique by neural network
Balan et al. A framework for cryptographic verifiability of end-to-end ai pipelines
Sharma et al. Comprehensive data hiding technique for discrete wavelet transform-based image steganography using advance encryption standard
CN112182112A (zh) 基于区块链的分布式数据动态存储方法和电子设备
Wang et al. Asymmetric multiple-image hiding using phase retrieval technique based on amplitude-and phase-truncation in fractional Fourier domain
JP2000184173A5 (ja) 画像処理方法、画像処理装置、画像配付システム及び記憶媒体
JP5975961B2 (ja) 電子透かしシステム、電子透かし鍵生成装置、電子透かし方法及びプログラム
CN106485644A (zh) 一种抗几何攻击的视频零水印生成方法及装置
Koikara et al. A novel distributed image steganography method based on block-dct
CN117952814A (zh) 水印提取模型的训练方法、水印提取方法及相关设备
CN116933296A (zh) 开放版式文档ofd访问控制方法和装置
Wu et al. Securing graph steganography over social networks via interaction remapping
Kumar et al. A Secure Image Watermarking Scheme Based on DWT, SVD and Arnold Transform

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18849746

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18849746

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP