基于关系数据的安全机器学习
密码学与安全
2021-10-01 v1 数据库
摘要
近年来，机器学习与关系数据库的更紧密集成获得了势头，因为许多ML任务的训练数据是关系查询（最常见为连接-选择查询）的结果。在联邦设置中，这带来了额外挑战：表由不同方作为私有数据持有，且各方希望在不使用可信第三方的情况下训练模型。现有工作仅考虑了训练数据存储在已垂直划分的扁平表的情况，对应于简单的PK-PK连接。在本文中，我们描述了计算符合通用外键无环模式的多表连接结果的安全协议，以及如何将结果以秘密共享形式输入安全ML工具箱。此外，现有安全ML系统会泄露连接结果中的主键(PKs)。我们将隐私保护强化到更高层级，实现了除训练模型外零信息泄露。若模型本身被视为敏感，我们展示了如何将差分隐私纳入我们的框架以阻止模型侵犯个体隐私。
引用
@article{arxiv.2109.14806,
title = {Secure Machine Learning over Relational Data},
author = {Qiyao Luo and Yilei Wang and Zhenghang Ren and Ke Yi and Kai Chen and Xiao Wang},
journal= {arXiv preprint arXiv:2109.14806},
year = {2021}
}