一种用于深度学习即服务的隐私保护分布式架构
机器学习
2020-03-31 v1 机器学习
摘要
深度学习即服务（deep-learning-as-a-service）是一种新颖且有前景的计算范式，旨在通过基于云的计算基础设施提供机器/深度学习解决方案与机制。得益于其远程执行和训练深度学习模型（通常需要高计算负载和内存占用）的能力，这种方法保证了高性能、可扩展性和可用性。不幸的是，这种方法需要将待处理的信息（例如信号、图像、位置、声音、视频）发送到云端，因此可能对用户隐私产生灾难性影响。本文介绍了一种用于深度学习即服务的新型分布式架构，能够在提供基于云的机器和深度学习服务的同时保护用户敏感数据。所提出的架构依赖于能够在加密数据上执行操作的同态加密（Homomorphic Encryption），已针对图像分析领域的卷积神经网络（CNNs）量身定制，并通过基于客户端-服务器 REST 的方法实现。实验结果表明了所提架构的有效性。
引用
@article{arxiv.2003.13541,
title = {A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service},
author = {Simone Disabato and Alessandro Falcetta and Alessio Mongelluzzo and Manuel Roveri},
journal= {arXiv preprint arXiv:2003.13541},
year = {2020}
}
备注
Accepted to be published in: 2020 International Joint Conference on Neural Networks (IJCNN), Glasgow, July 19--24, 2020