论文笔记
文章平均质量分 89
学习论文笔记
001_temp
信息安全专业硕士在读,湖北省网络空间安全学会会员,记录学习内容
展开
-
【论文笔记】Provably secureoptimalhomomorphicsigncryptionforsatellite-based internet of things
这篇论文提出了一种新型的同态签密方案,专为卫星物联网环境设计。这篇是帮同学整理的,和本人研究方向无关。原创 2024-09-06 11:05:46 · 703 阅读 · 0 评论 -
【论文笔记】Forgetting and Remembering Are Both You Need: Balanced Graph Structure Unlearning
SUMMIT 通过遗忘目标和记忆目标的结合,以及 ATOB 的动态平衡,有效地实现了知识遗忘和模型效用维护之间的平衡,为图结构遗忘问题提供了一种有效且高效的解决方案。SUMMIT 方法包含三个主要部分:遗忘目标、记忆目标和自适应双目标平衡器 (ATOB)。这篇论文提出了一个名为 SUMMIT 的新型结构遗忘算法,旨在解决。原创 2024-09-06 10:55:47 · 943 阅读 · 0 评论 -
【论文笔记】联邦忘却学习研究综述
联邦学习[11]保护用户隐私数据的前提下实现模型训练,进而促进数据的流通和共享。其中,模型聚合公式为:联邦学习的机器学习模型对所有参与训练的用户开放,攻击者可以在本地训练过程中访问全局模型,根据模型反推参与者的数据信息,进而导致数据隐私泄露成员推理攻击模型反转攻击恶意模型攻击等等……隐私保护、攻击抵抗的应用。原创 2024-06-30 00:40:05 · 889 阅读 · 0 评论 -
【论文笔记】ML-Leaks: Model and Data Independent Membership Inference Attacks and Defenses on Machine ...
原文链接。原创 2024-07-26 22:22:42 · 733 阅读 · 0 评论 -
【论文笔记】机器遗忘:错误标签方法
GDPR要求数据持有者在欧盟居民请求时删除其个人数据,包括用于训练机器学习模型的训练记录。然而,深度神经网络(DNN)容易受到信息泄露攻击,如模型反演攻击和成员资格推断攻击,这可能会泄露原本应该被删除的私人信息。原创 2024-05-29 20:55:54 · 1182 阅读 · 1 评论 -
【论文笔记】贝叶斯深度学习(2020)
本博客相关链接:贝叶斯深度学习(Bayesian Deep Learning)2020 最新研究总结 (qq.com)原创 2024-05-23 19:59:32 · 805 阅读 · 0 评论 -
【论文学习笔记】When Machine Unlearning Jeopardizes Privacy
在本文中,我们进行了第一次关于调查机器遗忘引起的意外信息泄露的研究。我们提出了一种新的隶属推理攻击,它利用ML模型的两个版本的不同输出来推断目标样本是否是原始模型的训练集的一部分,但不在相应的未学习模型的训练集之外。我们的实验表明,所提出的成员推断攻击取得了较强的性能。更重要的是,我们表明,我们的攻击在多种情况下都优于对原始ML模型的经典成员推断攻击,这表明机器学习的遗忘学习可能会对隐私产生适得其反的影响。我们注意到,对于经典成员度推理表现不佳的广义化 ML 模型,隐私降级尤为显着。我们进一步。原创 2024-05-11 21:13:07 · 1188 阅读 · 1 评论