通过卷积神经网络各层输入特征图控制隐私损失
机器学习
2018-12-06 v4 密码学与安全
计算机视觉与模式识别
机器学习
摘要
我们提出一种对送入卷积神经网络（CNN）各层的输入特征图（IFM）进行隐私净化的方法。该方法引入了净化程度，使得基于 CNN 的应用能够控制以原始 IFM 与净化后 IFM 的概率准确率之比表示的隐私损失。对于 IFM 的净化，设计了基于采样保持的近似方案，以满足特定应用的净化程度。该方案通过将采样窗口内的所有样本替换为最接近采样窗口均值的非零样本来近似 IFM。它还将多维 IFM 张量展开为一维流进行近似，从而消除了对 CNN 配置的依赖。
引用
@article{arxiv.1805.03444,
title = {Controlling the privacy loss with the input feature maps of the layers in convolutional neural networks},
author = {Woohyung Chun and Sung-Min Hong and Junho Huh and Inyup Kang},
journal= {arXiv preprint arXiv:1805.03444},
year = {2018}
}
备注
9 pages (8 pages for contents) and 5 figures