連合学習におけるプライバシーとセキュリティの維持【JST・京大機械翻訳】

Nguyen Truc; Thai My T.

プレプリント

J-GLOBAL ID：202202210399190982 整理番号：22P0286014

連合学習におけるプライバシーとセキュリティの維持【JST・京大機械翻訳】

Preserving Privacy and Security in Federated Learning

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 (2件)： ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2023年08月28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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

学習はセキュリティとプライバシー問題の両方に対して脆弱であることが知られている。既存の研究は,ユーザからの中毒攻撃の防止,あるいはサーバからの局所モデル更新の隠蔽のいずれかに焦点を合わせている。しかし,これら2つの研究ラインの統合は,脅威モデルに関して互いに対立することが多いので,重要な挑戦である。本研究では,ユーザに対するプライバシー保証とそれらからの中毒攻撃に対する検出の両方を提供する原理フレームワークを開発した。正直なサーバと悪意のあるユーザの両方を含む新しい脅威モデルを用い,まず,サーバのためのホモモルフィック暗号化を用いた安全な集約プロトコルを提案し,私的方法で局所モデル更新を組み合わせる。次に,ゼロ知識証明プロトコルを用いて,サーバからユーザへの局所モデルにおける攻撃を検出するタスクをシフトした。ここでの重要な観察は,サーバが攻撃検出のための局所モデルへのアクセスを必要としないことである。したがって,このフレームワークは,安全な集約のプライバシー保証を違反することなく,毒化されたモデル更新を識別するための中心サーバを可能にする。【JST・京大機械翻訳】

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

データ保護

, ,

前のページに戻る