随笔分类 -  隐私计算

Deep Learning with Differential Privacy
摘要：差分隐私深度学习(CCS16'(CCF A)) 时隔半年重读这篇论文，终于懂了个七七八八，现在来做一下总结。 摘要 基于神经网络的机器学习技术在众多领域都取得了令人瞩目的成果。通常，模型的训练需要大量具有代表性的数据集，这些数据集可能是众包的，包含敏感信息。模型不应暴露这些数据集中的隐私信息。为了实 阅读全文
posted @ 2024-04-09 23:10 Xmasker^_^ 阅读(1018) 评论(4) 推荐(1)
Practical Secure Aggregation for Privacy-Preserving Machine Learning
摘要：用于隐私保护机器学习的实用安全聚合（CCS 17'(CCF A)） 摘要 我们设计了一种新颖的、通信高效的、抗故障的协议，用于高维数据的安全聚合。我们的协议允许服务器以安全的方式（即不学习每个用户的个人贡献）计算来自移动设备的大型用户持有数据向量的总和，并且可以在联邦学习设置中用于聚合用户提供的深度 阅读全文
posted @ 2024-03-18 20:53 Xmasker^_^ 阅读(545) 评论(0) 推荐(0)
Efficient and Straggler-Resistant Homomorphic Encryption for Heterogeneous Federated Learning
摘要：为异构联邦学习提供高效且抗掉队者的同态加密技术（INFOCOM 24' (CCF A)） 本文的结构和逻辑清晰，结构设置、文笔以及实验设置和实验分析都值得收藏和反复学习！！！ 摘要 同态加密 (HE) 被广泛用于加密模型更新，但会产生很高的计算和通信开销。为了减少这些开销，有人提出了打包 HE（PH 阅读全文
posted @ 2024-03-15 21:39 Xmasker^_^ 阅读(447) 评论(6) 推荐(0)
Federated Learning with Differential Privacy：Algorithms and Performance Analysis
摘要：2024/2/11 大四做毕设的时候第一次读这篇论文，当时只读了前一部分，后面关于收敛界推导证明的部分没有看，现在重新完整阅读一下这篇文章。 本文贡献 提出了一种基于差分隐私 (DP) 概念的新框架，其中在聚合之前将人工噪声添加到客户端的参数中，即模型聚合前加噪FL (NbAFL) 我们提出了 Nb 阅读全文
posted @ 2024-03-15 21:19 Xmasker^_^ 阅读(759) 评论(0) 推荐(0)
Advances and Open Problems in Federated Learning
摘要：2023.11.27周一，最近支原体肺炎高发。研一上课结了一部分，赶紧看论文。 时隔大半年，今天开始学习联邦学习的大综述————Advances and Open Problems in Federated Learning（联邦学习中的最新进展和开放问题） 这篇综述的内容分为8个章节： 引言 联邦 阅读全文
posted @ 2024-01-14 22:25 Xmasker^_^ 阅读(870) 评论(0) 推荐(0)
联邦学习中的投毒攻击
摘要：Poisoning Attacks and Counterattacks in Federated Learning 中毒攻击发生在模型训练阶段，而推理攻击则在第一章中讨论，通常发生在模型的测试或预测阶段。 ## 什么是投毒攻击 中毒攻击的目的是破坏模型的训练或降低预期训练模型的有效性，包括延长模型 阅读全文
posted @ 2023-08-28 14:56 Xmasker^_^ 阅读(2940) 评论(0) 推荐(0)
联邦学习中的安全多方计算
摘要：# 联邦学习中的安全多方计算 Secure Multi-party Computation in Federated Learning ## 什么是安全多方计算 安全多方计算就是许多参与方需要共同工作完成一个计算任务或者执行一个数学函数，每个参与方针对这个执行构建自己的数据或份额，但不想泄露自己的数 阅读全文
posted @ 2023-08-28 13:45 Xmasker^_^ 阅读(1302) 评论(0) 推荐(0)
联邦学习中的推理攻击
摘要：Inference Attacks in FL 在人工智能领域，推理攻击是提取没有公开的但攻击者感兴趣的信息。在联邦学习中，如果云聚合器是攻击者，那么其获知的信息可能包含模型参数、梯度、训练集的边界分布等等；其未知的信息可能包括客户端的训练集信息（图像内容、某特定成员信息、属性等） 推理攻击的分类 阅读全文
posted @ 2023-08-26 16:41 Xmasker^_^ 阅读(3926) 评论(6) 推荐(2)
密码学领域学术词汇
摘要：primitive 在密码学论文中，"primitive" 通常指的是基础的密码学构造或算法。这些基础构造或算法可以用作更复杂的密码方案的构建块，或作为加密或身份验证方案的主要组成部分。密码学原语通常包括散列函数、消息认证码、对称加密算法和非对称加密算法等。在密码学中，原语被认为是安全的，因为它们已 阅读全文
posted @ 2023-07-02 21:32 Xmasker^_^ 阅读(584) 评论(0) 推荐(0)
Differentially Private Federated Learning: A Client Level Perspective
摘要：2023.03.13周一 快中期答辩了（3.20），最近甲流高发期 毕设期间，今天学习了联邦学习的一篇论文———Differentially Private Federated Learning: A Client Level Perspective（差分隐私联邦学习：客户端级） 关键点 本篇论文介 阅读全文
posted @ 2023-03-13 23:22 Xmasker^_^ 阅读(164) 评论(0) 推荐(0)
Federated Learning一些知识补充
摘要：2022.11.28周一 今天主要学习了几篇优秀的博客，补充了一些知识。 （一）联邦学习面临的挑战 非独立同分布的数据 有限通信带宽 不可靠和有限的设备 什么是Non-IID（非独立同分布）数据？ 下面列举了数据偏离同分布的一些常见方式，即对于不用的客户端 \(i\) 和客户端 \(j\) 的分布不 阅读全文
posted @ 2022-11-28 22:58 Xmasker^_^ 阅读(170) 评论(0) 推荐(0)
Federated Machine Learning: Concept and Applications
摘要：2022.11.26周六 今天学习了联邦学习中又一篇很经典的论文——Federated Machine Learning: Concept and Applications（联邦机器学习：概念和应用） 这篇文章是杨强教授团队于2019年所写的一篇综述。 论文概览 1.摘要 针对数据孤岛以及数据的隐私 阅读全文
posted @ 2022-11-26 12:18 Xmasker^_^ 阅读(459) 评论(0) 推荐(0)
Communication-Efficient Learning of Deep Networks from Decentralized Data
摘要：2022.11.16周三 今天学习了联邦学习的开山之作———Communication-Efficient Learning of Deep Networks from Decentralized Data（从非中心化的数据中，高效通信地学习深度网络） （一）论文概览 1.摘要 现代移动设备拥有大量 阅读全文
posted @ 2022-11-16 23:09 Xmasker^_^ 阅读(786) 评论(0) 推荐(0)