PriPHiT：深度神经网络隐私保护的分层训练

深度神经网络的训练阶段需要大量资源，因此通常在云端服务器上进行。这引发了当训练数据集包含敏感内容（如人脸或医学图像）时的隐私问题。本文提出一种方法，在边缘设备和云服务器上对深度学习模型进行训练，同时防止敏感内容传输至云端，同时保留所需信息。所提出的隐私保护方法利用对抗性早期退出抑制边缘处的敏感内容，并将任务相关信息传输至云端。该方法在训练阶段引入噪声，以提供差分隐私保证。我们在具有不同属性的各种人脸和医学数据集上对该方法进行了广泛测试，展示了其卓越的性能。我们还通过针对不同白盒、深层和基于 GAN 的重构攻击 demonstrate 了隐私保护的有效性。该方法为资源受限的边缘设备设计，确保最小的内存使用和计算开销。