IPFed：面向用户身份验证的身份保护联邦学习
计算机视觉与模式识别
2024-05-08 v1 密码学与安全
机器学习
摘要
随着与隐私保护相关法律法规的发展，收集个人数据进行机器学习变得越来越困难。在此背景下，提出了无需共享个人数据的分布式学习方法——联邦学习。本文聚焦于联邦学习在用户身份验证中的应用。我们指出现有方法在实现隐私保护与高准确率之间存在困难。为此，我们提出 IPFed 方案，利用随机投影实现类嵌入的隐私保护联邦学习。进一步，我们证明 IPFed 能够学习相当于最新方法的性能。在面部图像数据集上的实验表明，IPFed 能在保持最新方法准确率的同时保护个人隐私。
引用
@article{arxiv.2405.03955,
title = {IPFed: Identity protected federated learning for user authentication},
author = {Yosuke Kaga and Yusei Suzuki and Kenta Takahashi},
journal= {arXiv preprint arXiv:2405.03955},
year = {2024}
}