![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
文章平均质量分 91
火锅配咖啡
纵有疾风起
展开
-
【AI隐私保护.论文笔记】DELPHI: A Cryptographic Inference Service for Neural Networks
一,背景和介绍Delphi是一个实现安全推理的框架,使用各种混合协议提高了安全推理的效率和通信量。提出了安全推理的使用场景,即家庭监控系统。客户不希望泄露自己的隐私,服务器不希望泄露自己的模型,因此可以把模型部署在云上,同过密码协议和客户交互实现安全的推理。然而这种安全推理的技术距离实际应用还有一段的距离。因为它需要复杂的计算和高通信量。即使是当前最先进的安全推理协议Gazelle运行在ResNet-32上也要用82s,560MB的通信量。贡献:提出了Delphi这种框架,Delphi提供了一种新的原创 2021-01-01 18:04:16 · 1899 阅读 · 3 评论 -
【AI隐私保护.论文笔记】CrypTFlow2: Practical 2-Party Secure Inference,CrypTFlow2:实用的安全两方推理
这篇文章提出了实用的安全两方推理,能够实现安全神经网络的推理,发表在2020年安全类顶会CSS,由微软研究院的印度研究组完成。他们基于以前的工作,衡量了安全和效率等多方面的问题,提出了一个安全两方计算的机器学习框架。主要的贡献有三个方面一,对于百万富翁问题,提出了一个新比较协议。然后把该协议应用到了DRelu上,使得激活函数的精度损失降低,效率提高。DReLU协议是非线性激活(如ReLU和Maxpool)以及两个输入域的划分的主要构建块之一。二,提出了新的除法算法。三,提出了一个新的框架CrypTF原创 2020-12-28 13:55:45 · 4834 阅读 · 9 评论 -
【AI隐私保护.论文笔记】XONN: XNOR-based Oblivious Deep Neural Network Inference,基于同或门的茫然深度神经网络推理
这篇文章是隐私保护的神经网络中第一篇将二值神经网络(BNN)和密码学中隐私保护的技术结合起来的文章,发表在2019年安全类顶会USENIX中,由微软研究院和美国加州大学合作完成。他们利用了BNN网络同或门计算的特性以及GC混淆电路中同或门开销较小的特性,同时使用了密码学里面秘密分享的技术和神经网络压缩和加速中的剪枝策略,实现了一个快速的神经网络秘密推理模型。背景隐私保护的神经网络或者机器学习,一般致力于两个方面。一:隐私保护的神经网络的训练,二:隐私保护的神经网络的推理。这篇文章致力于实现隐私保护的推原创 2020-12-08 14:46:29 · 2529 阅读 · 0 评论