隐私保护学习
文章平均质量分 92
何博睿
套用罗振宇的一句话,死磕自己,贡献算法,为自己的事业添砖加瓦~~
展开
-
Secure Single-Server Aggregation with (Poly)Logarithmic Overhead 解读
半诚实和恶意场景下的安全聚合的优化相关论文解读原创 2022-03-23 10:20:37 · 608 阅读 · 0 评论 -
google的横向联邦聚合论文解读
论文:Practical Secure Aggregation for Privacy-Preserving Machine Learning背景介绍在使用机器学习训练模型的时候,我们经常会碰到一些敏感数据。这些数据的价值高,但由于其敏感性让我们无法使用这些数据。然而随着近些年技术的发展,联邦学习和多方安全计算的概念因运而生。通过这些技术,我们可以在保护用户隐私的前提下进行更丰富的数据探索,在不获取用户隐私数据的前提下将这些数据纳入到模型之中,从而实现更好的为用户提供优质服务的目的。针对如何联合原创 2021-10-08 11:16:16 · 1003 阅读 · 0 评论 -
隐私保护技术概览
本内容涉及隐私保护技术大体上包含的方面和各领域的初步介绍。由于内容来源较为复杂,引用上仅包含了MPC的论文出处,如有需要添加更多来源信息请私信我。论文:SoK: Training Machine Learning Models over Multiple Sources with Privacy Preservation 下载地址:https://arxiv.org/abs/2012.03386概念隐私保护计算(Privacy-Preserving Computation)原创 2021-08-30 10:44:57 · 10590 阅读 · 0 评论