学习防止泄漏：移动云中的隐私保护推理
机器学习
2021-06-16 v2 信号处理
机器学习
摘要
借助云端的机器学习服务，众多学习驱动的移动应用正在市场中普及。由于深度学习任务大多计算密集，将原始数据在设备上处理并将深度神经网络（DNN）特征发送至云端、由云端进一步处理以返回最终结果已成为一种趋势。然而，特征的释放总存在意料之外的泄漏， adversary 可借此推断关于原始数据的大量信息。我们从 DNN 结构的角度，在移动云基础设施之上提出了一个隐私保护强化学习框架。该框架旨在学习一种策略来修改基础 DNN，以在保持高推理准确率的同时防止信息泄漏。该策略也可容易地迁移到大型 DNN 以加速学习。在多种 DNN 上的广泛评估表明，我们的框架能成功找到隐私保护型 DNN 结构来防御不同的隐私攻击。
引用
@article{arxiv.1912.08421,
title = {Learning to Prevent Leakage: Privacy-Preserving Inference in the Mobile Cloud},
author = {Shuang Zhang and Liyao Xiang and Congcong Li and Yixuan Wang and Quanshi Zhang and Wei Wang and Bo Li},
journal= {arXiv preprint arXiv:1912.08421},
year = {2021}
}