EVA-S2PMLP：基于空间转换的安全可扩展双方 MLP
密码学与安全
2025-06-19 v1 信息论
math.IT
摘要
垂直分区场景下的隐私保护神经网络训练对跨机构的安全协作建模至关重要。本文提出了 EVA-S2PMLP：一种高效、可验证、准确的安全双方多层感知器框架，引入空间尺度优化以提升隐私和性能。为实现实数域下的可靠计算，EVA-S2PMLP 提出了将标量输入映射到向量和矩阵空间以保持正确性的安全转换管道。该框架包含用于线性和非线性安全计算的一套原子协议，支持安全激活、矩阵-向量运算和损失评估。理论分析确认了每个协议的可靠性、安全性和渐近复杂度。大量实验表明，EVA-S2PMLP achieves 高推断准确率，显著降低通信开销，较基线方法提高了最高达 。在基准数据集上的评估显示，该框架在保持模型实用性的同时确保了严格的数据保密，使其成为金融、医疗和跨组织 AI 应用中隐私保护神经网络训练的实用解决方案。
引用
@article{arxiv.2506.15102,
title = {EVA-S2PMLP: Secure and Scalable Two-Party MLP via Spatial Transformation},
author = {Shizhao Peng and Shoumo Li and Tianle Tao},
journal= {arXiv preprint arXiv:2506.15102},
year = {2025}
}