| 隐私保护机器学习的密码学方法 |
| |
| 引用本文： | 蒋瀚, 刘怡然, 宋祥福, 王皓, 郑志华, 徐秋亮. 隐私保护机器学习的密码学方法[J]. 电子与信息学报, 2020, 42(5): 1068-1078. doi: 10.11999/JEIT190887 |
| |
| 作者姓名： | 蒋瀚 刘怡然 宋祥福 王皓 郑志华 徐秋亮 |
| |
| 作者单位： | 1.山东大学软件学院 济南 250101;;2.山东师范大学信息科学与工程学院 济南 250358 |
| |
| 基金项目： | 国家自然科学基金(61632020, 61572294);山东省自然科学基金(ZR2017MF021);山东省科技重大创新工程项目(2018CXGC0702);山东半岛国家自主创新示范区发展建设项目(S190101010001) |
| |
| 摘 要： | 
新一代人工智能技术的特征,表现为借助GPU计算、云计算等高性能分布式计算能力,使用以深度学习算法为代表的机器学习算法,在大数据上进行学习训练,来模拟、延伸和扩展人的智能。不同数据来源、不同的计算物理位置,使得目前的机器学习面临严重的隐私泄露问题,因此隐私保护机器学习(PPM)成为目前广受关注的研究领域。采用密码学工具来解决机器学习中的隐私问题,是隐私保护机器学习重要的技术。该文介绍隐私保护机器学习中常用的密码学工具,包括通用安全多方计算(SMPC)、隐私保护集合运算、同态加密(HE)等,以及应用它们来解决机器学习中数据整理、模型训练、模型测试、数据预测等各个阶段中存在的隐私保护问题的研究方法与研究现状。
|
| 关 键 词： | 隐私保护机器学习 安全多方计算 同态加密 隐私保护集合求交 |
| 收稿时间： | 2019-11-06 |
| 修稿时间： | 2020-03-08 |
|
| 点击此处可从《电子与信息学报》浏览原始摘要信息 |
|
点击此处可从《电子与信息学报》下载免费的PDF全文 |
|
