抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近の研究では,敏感なユーザデータが勾配更新から再構成され,連合学習の鍵プライバシーを約束することを示している。成功は画像データで主に実証されたが,これらの方法はテキストのような他のドメインに直接移動しない。本研究では,テキストデータに合わせた新しい攻撃であるLAMPを提案し,元のテキストを勾配から再構成することに成功した。著者らの攻撃は2つの重要な洞察に基づいている。(i)補助言語モデルによる事前テキスト確率のモデリング,より自然なテキストに向けての検索のガイド,および(ii)埋込みにおける再構成損失を最小化する,そして(ii)離散テキスト変換の適用による局所極小を避けること。著者らの実験は,LAMPが事前の仕事よりも著しく効果的であることを示す:それは平均で5xのバイグラムと23%の長いサブシーケンスを再構成する。さらに,テキストモデルに対して1より大きいバッチサイズから入力を復元する。これらの知見から,テキストデータで動作するモデルの勾配更新は,以前に考えられていたよりも多くの情報を漏洩することが示された。【JST・京大機械翻訳】