论实现保护隐私的尖端边缘智能
密码学与安全
2023-02-20 v2 人工智能
分布式、并行与集群计算
摘要
边缘计算中的深度神经网络（DNN）推理，常称为边缘智能，需要解决方案以确保在过程中不泄露敏感数据机密性与知识产权。尽管边缘计算作为机器学习即服务（Machine-Learning-as-a-Service）的场景日益普遍，保护隐私的边缘智能才刚刚兴起。现有方案尚待应用，并可能需调整以适配尖端 DNNs。本立场论文对现有保护隐私的 DNN 推理技术与边缘计算环境特征的兼容性提供了原创评估，突出了秘密共享在此背景下的适用性。随后，我们探讨了模型压缩方法在面向具有尖端性能的 DNN 秘密共享研究中的未来作用。
引用
@article{arxiv.2302.05323,
title = {On Achieving Privacy-Preserving State-of-the-Art Edge Intelligence},
author = {Daphnee Chabal and Dolly Sapra and Zoltán Ádám Mann},
journal= {arXiv preprint arXiv:2302.05323},
year = {2023}
}