忘却型分散差分プライバシーによる融合耐性連合学習【JST・京大機械翻訳】

Byrd David; Mugunthan Vaikkunth; Polychroniadou Antigoni; Balch Tucker Hybinette

プレプリント

J-GLOBAL ID：202202212588160850 整理番号：22P0292509

忘却型分散差分プライバシーによる融合耐性連合学習【JST・京大機械翻訳】

Collusion Resistant Federated Learning with Oblivious Distributed Differential Privacy

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 (4件)： , , ,
資料名：
発行年： 2022年02月20日プレプリントサーバーでの情報更新日： 2022年02月20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)

プライバシー保護連合学習は,クライアント訓練データプライベートを,未信頼サーバからさえ保ちながら,共有モデルを共同学習する分散クライアントの集団を可能にする。事前の仕事は,関係者が協力して,正直なクライアントのモデルパラメータを曝すために,共lusion攻撃に対して保護する効率的な解決策を提供しない。著者らは,サーバが優先的に損なわれたデバイスを優先的に選択するか,または偽装装置をシミュレートする”Sybil”攻撃を含む,そのようなクライアント共lusionに対して保護する,初めての分散型差動プライバシーに基づく効率的な機構を提示する。安全な連合学習プロトコルを構築し,そのプロトコルのセキュリティを証明するために,新しいプライバシー機構を利用した。5000の分散型ネットワーククライアントの現実的シミュレーションの中で,2つのデータセットに関するプロトコル実行速度,学習精度,およびプライバシー性能の経験的解析による結論を下した。【JST・京大機械翻訳】

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

データ保護

, , , ,

前のページに戻る