隐私保护的层次化模型分布推断
密码学与安全
2024-09-17 v2 机器学习
摘要
本文聚焦于设计一种针对层次化环境的隐私保护机器学习 (ML) 推断协议，其中客户端拥有/生成数据，模型所有者（云服务器）拥有预训练的 ML 模型，边缘服务器使用云服务器的 ML 模型对客户端数据执行 ML 推断。我们的目标是在加速 ML 推断的同时为数据和 ML 模型提供隐私保护。我们的方法 (i) 在边缘服务器上采用模型分布推断（模型并行），以及 (ii) 减少与云服务器的通信量。我们设计的私密模型分布推断方案 privateMDI 使用加法秘密共享和线性同态加密处理 ML 推断中的线性计算，采用 garbled circuit 和 novel 三方 oblivious transfer 处理非线性函数。privateMDI 包含离线阶段和在线阶段。我们设计这些阶段的方式使得大部分数据交换发生在离线阶段，而在线阶段的通信开销降低。在 particular, 在线阶段中，云服务器之间无通信，客户端与边缘服务器之间的通信量最小。实验结果表明，privateMDI 显著优于基线方法，大幅降低了 ML 推断时间。
关键词
引用
@article{arxiv.2407.18353,
title = {Privacy-Preserving Hierarchical Model-Distributed Inference},
author = {Fatemeh Jafarian Dehkordi and Yasaman Keshtkarjahromi and Hulya Seferoglu},
journal= {arXiv preprint arXiv:2407.18353},
year = {2024}
}