深度学习系统隐私问题的系统性文献综述
密码学与安全
2022-12-09 v1
摘要
过去十年间，深度学习兴起，其应用遍及多个不同领域。但通常驱动这些系统的数据集包含高度机密和敏感的数据。尽管存在此类问题，深度学习模型可能被窃取或逆向工程，机密训练数据可能被推断，且已识别出其他隐私与安全担忧。因此，这些系统极易遭受安全攻击。本研究重点介绍强调多种安全攻击类型的学术研究，并全面概述最广泛使用的隐私保护方案。这一相关的系统性评估还阐明了在隐私与深度学习领域进行研究、教学与应用的潜在未来可能性。
引用
@article{arxiv.2212.04003,
title = {A Systematic Literature Review On Privacy Of Deep Learning Systems},
author = {Vishal Jignesh Gandhi and Sanchit Shokeen and Saloni Koshti},
journal= {arXiv preprint arXiv:2212.04003},
year = {2022}
}
备注
14 pages, 3 figures, 5 tables