MixNN：一种保护深度学习模型的设计
分布式、并行与集群计算
2022-04-19 v2 密码学与安全
机器学习
摘要
本文提出一种称为 MixNN 的新颖设计，用于保护深度学习模型结构与参数。MixNN 中深度学习模型的各层完全去中心化。它利用混合网络（mix networks）的思想，隐藏非相邻层之间的通信地址、层参数与操作，以及前向与反向消息流。MixNN 具有以下优势：1）攻击者无法完全控制模型的所有层（包括结构与参数）；2）即便某些层可能串谋，也无法篡改其他诚实层；3）训练阶段模型隐私得以保留。我们给出了详细的部署描述。在一个分类实验中，我们将部署在虚拟机上的神经网络与在 AWS EC2 上使用相同 MixNN 设计的神经网络进行比较。结果表明，我们的 MixNN 在分类精度上差异小于 0.001，而 MixNN 的整体运行时间约为单虚拟机运行的 7.5 倍。
引用
@article{arxiv.2203.14803,
title = {MixNN: A design for protecting deep learning models},
author = {Chao Liu and Hao Chen and Yusen Wu and Rui Jin},
journal= {arXiv preprint arXiv:2203.14803},
year = {2022}
}