文献

J-GLOBAL ID：202002265650988405   整理番号：20A2571985

差分プライバシーに基づく深層学習アルゴリズム設計と実装【JST・京大機械翻訳】

Deep Learning Algorithms Design and Implementation Based on Differential Privacy

著者 (5件)： Xu Xuefeng (Key Laboratory of Aerospace Network Security, Ministry of industry and information technology, School of Cyberspace Science and Technology, Beihang University, Beijing, China) ,  Yao Yanqing (Key Laboratory of Aerospace Network Security, Ministry of industry and information technology, School of Cyberspace Science and Technology, Beihang University, Beijing, China) ,  Yao Yanqing (State Key Laboratory of Software Development Environment, Beihang University, Beijing, China) ,  Yao Yanqing (Beijing Key Laboratory of Network Technology, Beihang University, Beijing, China) ,  Cheng Lei (Shenzhen Research Institute of Big Data, Shenzhen, People’s Republic of China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12486  ページ： 317-330  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深層学習モデルはプライバシー漏洩のリスクを有する。攻撃者は,いくつかの技術で訓練データに含まれる敏感な情報を得ることができる。しかし,微分プライバシー-確率的勾配(DP-SGD)と微分プライバシ-一般化敵対ネットワーク(DP-GAN)のような既存の差分プライベート法は,サンプリング多重時間を実行する必要があるので,非常に効率的でない。さらに重要なことに,DP-GANアルゴリズムは,勾配クリッピング閾値を設定するための公開データを必要とする。本論文では,これらの問題に取り組むために,洗練されたアルゴリズムを導入した。最初に,訓練効率を改善するためにランダムサンプリングの代わりにランダムシャフリングを採用した。また,クリッピング勾配および注入ノイズに対するGaussおよびLaplace機構を試験した。第2に,ゼロ集中微分プライバシー(zCDP)を用いて,全体のプライバシー予算を計算した。最後に,DP-GANアルゴリズムにおける動的勾配クリッピングを採用した。各反復の間,著者らはランダムサンプル訓練用例を,新しい閾値として平均勾配ノルムを設定する。これは,このアルゴリズムをよりロバストにするだけでなく,全体のプライバシー予算を増加させなかった。MNISTデータセット上で提案アルゴリズムを用いて実験を行い,精度を実証した。洗練されたDP-SGDアルゴリズムにおいて,96.58%の試験精度を達成した。著者らの洗練されたDP-GANアルゴリズムにおいて,著者らは,モデルを訓練するために合成データを採用して,91.64%の試験精度に達した。結果は,著者らの方式がモデルユーザビリティを保証して,プライバシー保護の能力を提供することを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  雑音 ,  ネットワーク ,  微分 ,  プライバシー ,  多重化 ,  無作為抽出 ,  ロバスト性 ,  ノルム
準シソーラス用語： クリッピング ,  訓練データ ,  プライバシー保護 ,  *深層学習 ,  *差分プライバシー ,  攻撃者 , 【Automatic Indexing@JST】

著者キーワード (4件)： 微分プライバシー ,  深層学習 ,  SGD ,  GAN

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (4件)： 差分プライバシー ,  深層学習 ,  アルゴリズム設計 ,  実装