同型暗号と連合学習ベースのプライバシー保護CNNトレーニング:COVID-19検出使用事例【JST・京大機械翻訳】

Wibawa Febrianti; Catak Ferhat Ozgur; Sarp Salih; Kuzlu Murat; Cali Umit

プレプリント

J-GLOBAL ID：202202204097349885 整理番号：22P0333040

同型暗号と連合学習ベースのプライバシー保護CNNトレーニング:COVID-19検出使用事例【JST・京大機械翻訳】

Homomorphic Encryption and Federated Learning based Privacy-Preserving CNN Training: COVID-19 Detection Use-Case

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年04月16日プレプリントサーバーでの情報更新日： 2022年04月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

医療データは,データプライバシーとセキュリティ懸念に関して,しばしば高感度である。医療データのプライバシーとセキュリティの改善のために,機械学習技法の1つのタイプである連邦学習が開始された。連合学習において,訓練データは多重マシンに分散し,学習プロセスは協調方式で実行される。攻撃者によって敏感な情報を得るために,深い学習(DL)モデルにいくつかのプライバシー攻撃がある。したがって,DLモデル自体は,特に医療データを用いたアプリケーションに対して,敵対的攻撃から保護されるべきである。この問題の解決策の一つは,敵対協力者からの同形暗号ベースモデル保護である。本論文では,ホモモルフィック暗号化を用いた医療データのためのプライバシー保護連合学習アルゴリズムを提案した。提案したアルゴリズムは,広告から深い学習モデルを保護するために,安全なマルチパーティ計算プロトコルを使用する。本研究では,実世界医療データセットを用いた提案アルゴリズムをモデル性能に関して評価した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

データ保護

, , , , ,

前のページに戻る