プライバシー保護型マルチモーダル人工知能検索システム

科学分野:

• 人工知能
• コンピュータセキュリティ
• 情報検索

背景:

• 大規模言語モデル（LLM）はAIに不可欠ですが、マルチユーザークラウド環境ではプライバシーリスクをもたらします。
• セキュアでプライベートなマルチモーダルデータ検索は、大きな課題です。

研究 の 目的:

• セキュアでプライバシー重視のマルチモーダル画像およびテキストデータ検索のための新しいシステムであるPMIRSを提示すること。
• クラウドベースのLLMへの安全なデータ送信を可能にし、プライバシーリスクを軽減すること。

主な方法:

• PMIRSは、難読化技術、暗号化推論（AES-CBC）、および連合学習を用いてCLIPベースモデルをファインチューニングします。
• Diffie-Hellmanアルゴリズムは、マルチユーザー環境でのセキュアな鍵管理を保証します。
• クエリ埋め込みは、ブロック単位の射影と暗号化によって難読化されます。

主要な成果:

• PMIRSは、カスタマイズされたImageNetデータセットでF1スコア0.92、精度0.90超を達成しました。検索レイテンシは一貫して180ミリ秒未満でした。PMIRSは、精度を維持しながら、CLIPベースラインと比較して平均F1スコアを7.67%向上させました。

結論:

• PMIRSは、セキュアで効率的、かつプライバシーを保護するマルチモーダル検索の実用的なソリューションを提供します。
• このシステムは、GDPRやHIPAAなどの規制下での医療画像、カスタマーサービス、エンタープライズデータ管理に応用可能性があります。