面向机器学习安全的受保护流水线
密码学与安全
2024-10-29 v1 人工智能
摘要
我们提出了受保护流水线（protected pipelines，简称 props），这是一种用于对深度网络数据进行认证和隐私保护访问的新方法，旨在服务于机器学习（ML）。通过允许安全地使用海量深度网络数据源，props 解决了 ML 发展中高质量训练数据有限的系统性瓶颈。props 还支持隐私保护和可信赖的推理形式，从而允许在 ML 应用中安全地使用敏感数据。借助最初为区块链应用开发的隐私保护预言机系统，props 如今已具备实际可实现性。
引用
@article{arxiv.2410.20522,
title = {Props for Machine-Learning Security},
author = {Ari Juels and Farinaz Koushanfar},
journal= {arXiv preprint arXiv:2410.20522},
year = {2024}
}