文献

J-GLOBAL ID：202002279218921002   整理番号：20A1873911

クラウドコンピューティングにおける強力なプライバシー保存による高効率連合学習【JST・京大機械翻訳】

Highly efficient federated learning with strong privacy preservation in cloud computing

著者 (4件)： Fang Chen (Zhengzhou Information Science and Technology Institute, P.R. China) ,  Guo Yuanbo (Zhengzhou Information Science and Technology Institute, P.R. China) ,  Wang Na (Zhengzhou Information Science and Technology Institute, P.R. China) ,  Ju Ankang (Zhengzhou Information Science and Technology Institute, P.R. China)
資料名： Computers & Security  (Computers & Security)
巻： 96  ページ： Null  発行年： 2020年 
JST資料番号： E0995A  ISSN： 0167-4048  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 反復学習は,個人のデータセットを明示的に取り除くことなく,共同訓練モデルから利益を復元するために,クライアントを相互に混乱させる新しい機械学習フレームワークである。しかし,クラウドサーバとクライアントの間の高い通信コストが,限られたネットワーク帯域幅のために主要な課題になった。さらに,モデルパラメータはモデル反転攻撃を実行するのに利用できる。これらの問題に狙いを定めて,クラウドコンピューティングにおける強いプライバシー保護による高効率連合学習のための新方式を提示した。望ましいモデルユーティリティを維持しながら,証明可能なプライバシー保護を提供する軽量暗号プロトコルを設計した。さらに,訓練効率を高めるために効率的な最適化戦略を採用した。定義された脅威モデルの下で,著者らは,提案した方式が,正直なサーバと極端な共lusionに対して安全であることを証明した。この方式の有効性を評価し,MNISTとUCIヒト活動認識データセットに関する既存の関連研究と比較した。その結果,提案方式は実行時間を20%短縮し,平均で85%の暗号文サイズを伝送し,一方,安全なマルチパーティ計算(SMC)ベースの手法と比較して同様の精度を達成した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *ネットワーク ,  ヒト ,  プライバシー ,  帯域幅 ,  有効性 ,  機械学習
準シソーラス用語： *高効率 ,  通信コスト ,  実行時間 ,  モデルパラメータ ,  プライバシー保護 ,  暗号文 ,  *クラウドコンピューティング ,  クラウドサーバ , 【Automatic Indexing@JST】

著者キーワード (5件)： 高効率の高効率化 ,  連合学習 ,  プライバシー保護 ,  最適化戦略 ,  安全なマルチパーティ計算

分類 (2件)： 符号理論  (ND02030R) ,  計算機網  (JC03000K)

タイトルに関連する用語 (5件)： クラウドコンピューティング ,  プライバシー ,  保存 ,  高効率 ,  学習