具有特征差分隐私的无线信道协作推理
密码学与安全
2024-10-29 v1 信息论
机器学习
math.IT
摘要
多个无线边缘设备之间的协作推理具有显著增强人工智能 (AI) 应用的潜力，特别是在感知和计算机视觉领域。该方法通常涉及一个三阶段过程：a) 通过感知进行数据采集，b) 特征提取，以及 c) 用于传输的特征编码。然而，传输提取的特征会带来重大的隐私风险，因为在此过程中可能会暴露敏感的个人数据。为了应对这一挑战，我们提出了一种新的隐私保护协作推理机制，其中网络中的每个边缘设备在将提取的特征传输到中央服务器进行推理之前，先确保其隐私。我们的方法旨在实现两个主要目标：1) 减少通信开销，以及 2) 在保持有效推理性能的同时，确保特征传输过程中的严格隐私保证。此外，我们引入了一种专为分类任务设计的空中汇聚方案，该方案为传输特征的隐私提供了形式化保证，并确立了分类精度的下界。
引用
@article{arxiv.2410.19917,
title = {Collaborative Inference over Wireless Channels with Feature Differential Privacy},
author = {Mohamed Seif and Yuqi Nie and Andrea J. Goldsmith and H. Vincent Poor},
journal= {arXiv preprint arXiv:2410.19917},
year = {2024}
}
备注
This work is under review for possible IEEE publication. arXiv admin note: substantial text overlap with arXiv:2406.00256