论 InstaHide、相位恢复与稀疏矩阵分解
机器学习
2021-03-26 v2 密码学与安全
数据结构与算法
机器学习
摘要
本工作中，我们考察了 InstaHide 的安全性，该方案由 [Huang, Song, Li and Arora, ICML'20] 近期提出，用于在分布式学习场景下保护私有数据集的安全。为生成在分布式学习器间共享的合成训练样本，InstaHide 对私有特征向量取凸组合，并以 1/2 的概率随机翻转所得向量每一项的符号。一个显著的问题是：该方案是否在可证明的意义下安全，或许基于合理的困难性假设并假定生成公共与私有数据的分布满足特定性质。我们表明，答案似乎相当微妙，并与经典相位恢复问题的一个新多任务、缺失数据版本的平均情形复杂性密切相关。受此联系启发，我们设计了一种可证明的算法，在私有与公共向量为各向同性高斯分布的假设下，仅利用公共向量与 InstaHide 生成的合成向量即可恢复私有向量。
引用
@article{arxiv.2011.11181,
title = {On InstaHide, Phase Retrieval, and Sparse Matrix Factorization},
author = {Sitan Chen and Xiaoxiao Li and Zhao Song and Danyang Zhuo},
journal= {arXiv preprint arXiv:2011.11181},
year = {2021}
}
备注
30 pages, to appear in ICLR 2021, v2: updated discussion of follow-up work