隐私保护深度学习研究综述OA北大核心CSTPCD
A Survey on Privacy-Preserving Deep Learning
深度学习即服务模式下,包含个人隐私的数据在多方之间不断流转,难以避免地产生了隐私泄露的风险.一方面,数据拥有者担心输入到云端模型中的隐私数据会直接暴露给云服务提供商;另一方面,云端模型拥有者担心客户端可以在大量的数据交互中窃取到自己耗费海量资源训练的模型.因此,如何将隐私保护和深度学习相结合成为了当今隐私计算领域的热点问题.本文回顾了 2016年至今隐私保护深度学习相关工作,并根据深度神经网络中的线性层和非线性层运算对前人工作使用的方案进行了分类…查看全部>>
In deep learning as a service(DLaaS),private data constantly flow among various parties,which inevitably leads to privacy risks.On one hand,data owners worry about the possible exposure of their private data to service providers when they directly upload the data in plaintext.On the other hand,model owners are concerned about that adversaries may steal their costly trained models during extensive data interactions.As a result,combining privacy protection wit…查看全部>>
陈品极;何琨;陈晶;杜瑞颖
武汉大学国家网络安全学院,武汉 430072武汉大学国家网络安全学院,武汉 430072武汉大学国家网络安全学院,武汉 430072武汉大学国家网络安全学院,武汉 430072
计算机与自动化
隐私保护深度学习同态加密秘密共享不经意传输混淆电路
privacy-preserving deep learninghomomorphic encryptionsecret sharingoblivious transfergarbled circuit
《密码学报（中英文）》 2024 (4)
771-798,28
国家重点研发计划(2022YFB3102100)国家自然科学基金(62076187,62172303)湖北省重点研发计划(2022BAA039)山东省重点研发计划(2022CXPT055)National Key Research and Development Program of China(2022YFB3102100)National Natural Science Foundation of China(62076187,62172303)Key Research and Development Program of Hubei Province(2022BAA039)Key Research and Development Program of Shandong Province(2022CXPT055)
评论