文献

J-GLOBAL ID：202002248339506748   整理番号：20A2616099

秘密共有フレームワーク内のプライバシー保存重み付き連合学習【JST・京大機械翻訳】

Privacy-Preserving Weighted Federated Learning Within the Secret Sharing Framework

著者 (3件)： Zhu Huafei (Institute for High Performance Computing, Agency for Science and Technology, Singapore) ,  Mong Goh Rick Siow (Institute for High Performance Computing, Agency for Science and Technology, Singapore) ,  Ng Wee-Keong (School of Computer Science and Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 198275-198284  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,秘密共有フレームワーク内のプライバシー保護加重連合学習を研究し,そこでは,個人データが事前定義計算サーバの集合間で分散されるランダムシェアに分割される。本論文の貢献は,主に次の4倍である:最初の折りたたみ,供給した学習(FL)とマルチパーティ計算(MPC)の間,ならびに,安全な連合学習(SFL)と安全なマルチパーティ計算(SMPC)の関係を調査する。FLはm-ary機能性の観点からMPCの部分集合であることを示した。さらに,基本的なFLインスタンスが,シミュレーションベースのフレームワークにおいて定義されたm-ary機能性をプライベートに計算するならば,次に,シミュレーションベースのFL解法は,SMPCの実例であり,次に,加重連合学習(wFL)と呼ぶ新しい概念を,導入して,定式化した。次に,wFLを計算するためのオラクル支援SMPCを提示して,MPCのものからFLのセキュリティを分離することによって解析した。wFLのデカップリング定式化は,最先端のセキュリティツールから,第3回で,その最良のセキュリティ実践を選択するFL開発者を,第3回計算のフレームワークにおけるランダム分割技法を採るwFLの具体的実装を,提示し,解析した。この実装のセキュリティは,秘密共有フレームワーク内のセキュリティ構成定理により保証され,MASCOTに対する補完が導入され,SPDZのフレームワークで定式化され,そこでは,Beaver三重発生器への新しい解が標準El Gamal暗号から構築される。この解は3パーティ計算として定式化され,Beaver三重の発生はEl Gamal暗号のおよそ5つの呼び出しを必要とする。提案した実装は,基礎となるEl Gamal暗号が意味的に安全であると仮定すると,正直な敵対者に対して安全である。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  計算機シミュレーション ,  *学習 ,  プライバシー ,  デカップリング ,  暗号 ,  定式化 ,  セキュリティ
準シソーラス用語： 連合学習 ,  敵対者 ,  オラクル ,  マルチパーティ計算 ,  *秘密共有 ,  プライバシー保護 ,  機能性 ,  安全マルチパーティ計算 , 【Automatic Indexing@JST】

分類 (1件)： 符号理論  (ND02030R)

タイトルに関連する用語 (5件)： 秘密共有 ,  フレームワーク ,  プライバシー ,  保存 ,  学習