面向边云融合的隐私保护集成增强深度神经网络框架
密码学与安全
2023-05-17 v1 人工智能
摘要
本文提出一种基于隐私保护集成增强深度神经网络（DNN）的学习框架，用于医疗场景下的物联网（IoT）、边缘与云融合。在该融合中，边缘服务器用于存储物联网产生的生物图像并托管 DNN 算法以进行本地模型训练；云用于集成本地模型。基于本地数据集的 DNN 模型训练过程存在准确率低下的问题，可通过上述融合与集成学习得以改善。集成学习允许多个参与方外包其本地模型以生成高准确率的泛化最终模型。然而，集成学习增加了最终模型泄露敏感隐私数据的风险。所提框架提出了一种基于差分隐私的隐私保护 DNN 结合迁移学习用于本地模型生成，以确保边缘服务器的极小损失与更高效率。我们进行了若干实验来评估所提框架的性能。
引用
@article{arxiv.2305.09224,
title = {Privacy-Preserving Ensemble Infused Enhanced Deep Neural Network Framework for Edge Cloud Convergence},
author = {Veronika Stephanie and Ibrahim Khalil and Mohammad Saidur Rahman and Mohammed Atiquzzaman},
journal= {arXiv preprint arXiv:2305.09224},
year = {2023}
}