深度学习中的隐私：综述
机器学习
2020-11-10 v5 密码学与安全
机器学习
摘要
深度学习在视觉、推荐系统、自然语言处理等诸多领域日益增长的进展，促使了深度神经网络（DNNs）在生产系统中的采用。大规模数据集与高计算能力的可用性是这些进展的主要推动因素。数据集通常来自众包并可能包含敏感信息。这带来了严重的隐私担忧，因为此类数据可能被滥用或通过各类漏洞泄露。即便云提供商与通信链路可信，仍存在推理攻击的威胁，攻击者可推测训练数据的属性，或获知底层模型架构与参数。本综述中，我们回顾深度学习带来的隐私问题，以及为应对这些问题所引入的缓解技术。我们还指出文献中关于测试时推理隐私存在空白，并提出了可能的未来研究方向。
引用
@article{arxiv.2004.12254,
title = {Privacy in Deep Learning: A Survey},
author = {Fatemehsadat Mireshghallah and Mohammadkazem Taram and Praneeth Vepakomma and Abhishek Singh and Ramesh Raskar and Hadi Esmaeilzadeh},
journal= {arXiv preprint arXiv:2004.12254},
year = {2020}
}