Blind Faith：基于函数近似的隐私保护机器学习
密码学与安全
2021-08-02 v1
摘要
在过去几年中，由于基于云服务的采用显著增加，机器学习迎来了巨大增长。因此，人们提出了各种解决方案，其中机器学习模型运行在远程云提供商上。然而，当此类模型部署在不可信的云上时，保护用户隐私至关重要。为此，我们提出了Blind Faith——一种机器学习模型，其训练阶段在明文数据上进行，但用户输入的分类在同态加密密文上执行。为使我们的构造与同态加密兼容，我们使用切比雪夫多项式近似激活函数。这使我们能够构建一个可对加密图像进行分类的隐私保护机器学习模型。Blind Faith保护用户隐私，因为它可以直接对加密数据进行计算从而实现高精度预测。
引用
@article{arxiv.2107.14338,
title = {Blind Faith: Privacy-Preserving Machine Learning using Function Approximation},
author = {Tanveer Khan and Alexandros Bakas and Antonis Michalas},
journal= {arXiv preprint arXiv:2107.14338},
year = {2021}
}