用于隐私保护的深度四元数特征
机器学习
2020-06-23 v2 密码学与安全
计算机视觉与模式识别
机器学习
摘要
我们提出一种改进神经网络以构建四元数值神经网络(QNN)的方法，以防止中间层特征泄露输入信息。QNN使用四元数值特征，其中每个元素为一个四元数。QNN将输入信息隐藏于四元数值特征的随机相位中。即使攻击者获得了网络参数与中间层特征，在不知晓目标相位的情况下也无法提取输入信息。以此方式，QNN能有效保护输入隐私。此外，与传统神经网络相比，QNN的输出精度仅轻微下降，且计算开销远小于其他隐私保护方法。
引用
@article{arxiv.2003.08365,
title = {Deep Quaternion Features for Privacy Protection},
author = {Hao Zhang and Yiting Chen and Liyao Xiang and Haotian Ma and Jie Shi and Quanshi Zhang},
journal= {arXiv preprint arXiv:2003.08365},
year = {2020}
}