使用反卷积单向置乱在云端实现安全机器学习
密码学与安全
2021-11-08 v1 机器学习
摘要
基于云的机器学习服务（CMLS）使组织能够利用在海量数据上预训练的先进模型。然而，使用这些服务的主要缺点是难以保持传输数据的私密性和安全性。非对称加密要求数据在云端被解密，而同态加密通常太慢且难以实现。我们提出了反卷积单向置乱（OWSD），这是一个基于反卷积的置乱框架，以一小部分的计算开销提供了同态加密的优势。在多个图像数据集上的广泛评估表明，当 CMLS 的输出向量足够大时，OWSD 能够实现近乎完美的分类性能。此外，我们还对我们的方法的鲁棒性进行了实证分析。
引用
@article{arxiv.2111.03125,
title = {Secure Machine Learning in the Cloud Using One Way Scrambling by Deconvolution},
author = {Yiftach Savransky and Roni Mateless and Gilad Katz},
journal= {arXiv preprint arXiv:2111.03125},
year = {2021}
}