文献

J-GLOBAL ID：202102286895259037   整理番号：21A0667380

NoPeek:分散深層学習における活性化共有のための情報漏洩低減【JST・京大機械翻訳】

NoPeek: Information leakage reduction to share activations in distributed deep learning

著者 (4件)： Vepakomma Praneeth (Massachusetts Institute of Technology,Cambridge,MA,USA,02139) ,  Singh Abhishek (Massachusetts Institute of Technology,Cambridge,MA,USA,02139) ,  Gupta Otkrist (Massachusetts Institute of Technology,Cambridge,MA,USA,02139) ,  Raskar Ramesh (Massachusetts Institute of Technology,Cambridge,MA,USA,02139)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICDMW  ページ： 933-942  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 高感度データによる分散機械学習のために,著者らは,生データと中間表現の間の距離相関の最小化が,モデル精度を維持しながら,クライアント通信を通して,敏感な生データパターンの漏洩をいかに低減するかを示した。漏洩(入力と中間表現間の距離相関を用いて測定)は,中間表現からの生データの可逆性に関連するリスクである。これは,分散深層学習サービスを用いて,敏感なデータを保持するクライアントエンティティを防ぐことができる。提案手法は,そのような再構成攻撃に対して弾力性があり,画像データセットによる訓練と推論中の生データと学習表現の間の距離相関の削減に基づいていることを示した。良好な分類精度を維持するために必要な情報を維持しながら,生データのそのような再構成を防ぐ。Copyright 2021 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： *学習 ,  弾性 ,  再構成 ,  通信 ,  高感度 ,  機械学習 ,  可逆性
準シソーラス用語： 画像データ ,  分類精度 ,  エンティティ ,  モデル精度 ,  *深層学習 ,  生データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層学習 ,  活性化 ,  共有 ,  情報漏洩