纵向联邦线性模型在线推理过程中成员推断攻击的隐私保护研究OA
Research on privacy preservation of member inference attacks in online inference process for vertical federated learning linear model
随着大数据的发展以及数据安全相关法规的出台,人们的隐私保护意识逐渐加强,"数据孤岛"现象愈发严重.联邦学习技术作为解决该问题的有效方法之一,已成为当下备受关注的热点.在纵向联邦学习在线推理过程中,当前的主流方法并未考虑对数据标识的保护.针对此问题,提出一种适用于纵向联邦线性模型在线推理过程中的成员推断攻击的隐私保护方法,通过构造具有假阳率的过滤器来避免对数据标识的精确定位,从而保证数据的安全性;使用同态加密实现在线推理过程的全密态,保护中间计算结…查看全部>>
尹虹舒;周旭华;周文君
中国电信股份有限公司研究院安全技术研究所,上海 201315中国电信股份有限公司研究院安全技术研究所,上海 201315中国电信股份有限公司研究院安全技术研究所,上海 201315
信息技术与安全科学
联邦学习纵向联邦线性模型在线推理部分同态加密数据盲化
《大数据》 2022 (5)
45-54,10
国家重点研发计划资助项目(No.2021YFB3101300)
评论