多源私有数据上的高效深度学习
机器学习
2018-07-19 v1 机器学习
摘要
机器学习模型受益于大规模且多样化的数据集。然而，使用此类数据集通常要求信任一个中心化的数据聚合方。对于医疗和金融等敏感应用而言，这是不可取的，因为它可能损害患者隐私或泄露商业机密。安全与隐私保护计算的最新进展，包括可信硬件飞地与差分隐私，为互不信任的各方在不泄露训练数据的前提下高效训练机器学习模型提供了途径。在这项工作中，我们介绍了 Myelin，一个结合这些隐私保护原语的深度学习框架，并用它建立了完全私有机器学习的基线性能水平。
引用
@article{arxiv.1807.06689,
title = {Efficient Deep Learning on Multi-Source Private Data},
author = {Nick Hynes and Raymond Cheng and Dawn Song},
journal= {arXiv preprint arXiv:1807.06689},
year = {2018}
}