论文笔记
文章平均质量分 88
信息安全方向,关于同态加密,隐私计算,区块链技术,联邦学习等
人!=机器
这个作者很懒,什么都没留下…
展开
-
论文笔记:HybridAlpha: An Efficient Approach for Privacy-Preserving Federated Learning
文章链接: HybridAlpha: An Efficient Approach for Privacy-Preserving Federated Learning1第一个FL设计旨在通过确保每个参与者将其数据保存在本地并唯一地传输模型参数,来保护数据隐私。虽然乍一看,它可能提供某种程度的隐私,但文献中的攻击已经证明,它可以推断出私人信息 2.现有的FL框架不支持参与者优雅地处理退出,并且需要使用新的密钥重新进行整个训练,或者不支持新的参与者加入。现有的方法不支持这种动态流, 需要完全重新键控。诚实但好奇的原创 2023-04-05 17:15:48 · 316 阅读 · 0 评论 -
论文笔记:Privacy-Preserving Byzantine-Robust Federated Learning via Blockchain Systems
会议来源:IEEE TRANSACTIONS ON INFORMA TION FORENSICS AND SECURITY , VOL. 17, 2022。原创 2023-03-30 13:46:05 · 941 阅读 · 2 评论 -
论文笔记:Drynx 理解-分布式数据集上的分散、安全、可验证的统计查询和机器学习系统
在大数据分析、经济学和医学研究等许多领域,数据共享已经变得至关重要,但在数据敏感的情况下,仍然难以实现。事实上,分享个人信息需要个人无条件同意,或者出于隐私和安全原因通常被禁止。在本文中,我们提出了Drynx,一个分布式数据集上的隐私意识统计分析的分散系统。Drynx依赖于一组计算节点来实现统计数据的计算,如标准偏差或极值,以及机器学习模型在敏感和分布式数据上的训练和评估。为了确保数据的机密性和数据提供者的隐私,Drynx结合了交互协议、同态加密、零知识正确性证明和差异隐私。它实现了对输入数据和所有系统计算原创 2023-03-15 15:47:26 · 313 阅读 · 0 评论