EdgeLeakage: 分布式边缘智能系统中的成员信息泄露
密码学与安全
2024-04-29 v1
摘要
在当代边缘计算系统中,去中心化的边缘节点聚合未处理的数据并促进数据分析,以维持低传输延迟和实时数据处理能力。最近,这些边缘节点已发展到利用其计算资源促进分布式机器学习模型的实施,从而实现智能决策,进而催生了一个被称为边缘智能的新兴领域。然而,在边缘智能领域,机器学习模型对众多安全和隐私威胁的易感性变得显而易见。本文探讨了分布式边缘智能系统中的成员推理泄露问题。具体而言,我们关注的是边缘节点协作生成全局模型的自治场景。成员推理攻击的使用旨在阐明这一特定背景下的潜在数据泄露。此外,我们深入探讨了几种旨在缓解上述数据泄露问题的防御机制。实验结果证实,我们的方法在检测边缘智能系统内的数据泄露方面是有效的,并且我们的防御方法的实施在缓解这一安全威胁方面发挥了重要作用。因此,我们的发现有助于在边缘智能系统背景下保护数据隐私。
引用
@article{arxiv.2404.16851,
title = {EdgeLeakage: Membership Information Leakage in Distributed Edge Intelligence Systems},
author = {Kongyang Chen and Yi Lin and Hui Luo and Bing Mi and Yatie Xiao and Chao Ma and Jorge Sá Silva},
journal= {arXiv preprint arXiv:2404.16851},
year = {2024}
}