08 2021 档案

联邦学习与区块链的异同点
摘要:区块链是一种分布式的数据库,通过利用加密算法、共识机制等技术构造的信任机制,使其存储的数据安全可靠且防篡改。联邦学习不仅保护了数据隐私的安全,还利用这些数据在可信、安全的环境下构建了机器学习模型。联邦学习和区块链的相同点主要如下。 分布式结构,每个参与方在其中一个节点中进行数据操作,不同节点之间相互 阅读全文

posted @ 2021-08-12 13:50 ccbupt 阅读(976) 评论(0) 推荐(0)

基于差分隐私的安全机制
摘要:差分隐私采用了一种随机机制,使得当输入中的单个样本改变之后,输出的分布不会有太大的改变。比如两个数据集中只有1条记录有差别,查询这两个数据集且获得相同输出的概率非常接近。因此,用户即便获取了输出结果,也无法通过结果推测出输入数据来自哪一方。 在现有的隐私保护方法中,差分隐私对隐私损失进行了数学上的定 阅读全文

posted @ 2021-08-11 10:26 ccbupt 阅读(1129) 评论(0) 推荐(0)

基于散列和RSA的纵向联邦学习样本对齐实现方案
摘要:在纵向联邦学习联合建模过程中,两家公司用户群体不可能完全重叠,第一步需要找到相同的用户ID集合。在不泄露数据前提下,找到双方公共ID集合的技术称为私有集交集(Private Set Intersection, PSI)。下面介绍一下基于散列和RSA算法的实现方案。 假设: 公司A的集合是UA={u1 阅读全文

posted @ 2021-08-09 11:27 ccbupt 阅读(1036) 评论(0) 推荐(0)

导航