隐私保护的基于云的深度神经网络推理
密码学与安全
2021-02-11 v2
摘要
深度学习即服务（DLaaS）已被深入研究以推动新兴深度学习应用的广泛部署。然而，DLaaS 可能损害客户端与云服务器的隐私。尽管已有一些通过组合密码学原语提出的隐私保护深度神经网络（DNN）推理技术，但由于 DNN 模型的复杂性与昂贵的密码学原语，计算效率方面的挑战尚未得到很好解决。本文中，我们提出了一种新颖的隐私保护基于云的 DNN 推理框架（称为“PROUD”），其大幅提升了计算效率。最后，我们在两个常用数据集上进行了大量实验，以验证 PROUD 的有效性与效率，其亦优于当前最优（SOTA）技术。
引用
@article{arxiv.2102.03915,
title = {Privacy-preserving Cloud-based DNN Inference},
author = {Shangyu Xie and Bingyu Liu and Yuan Hong},
journal= {arXiv preprint arXiv:2102.03915},
year = {2021}
}
备注
Accepted to ICASSP'2021