基于安全多方计算的垂直分布式数据隐私保护极限学习机算法
密码学与安全
2016-02-10 v1 机器学习
摘要
尤其在大数据时代，不同分类方法的使用日益增加。这些分类方法的成功取决于学习方法的有效性。极限学习机 (ELM) 分类算法是一种建立在前馈神经网络之上的相对较新的学习方法。ELM 分类算法是一种简单快速的方法，可以从高维数据集创建模型。传统 ELM 学习算法隐式假设对整体数据集的完全访问。这在大多数情况下是主要的隐私问题。由于安全问题，私有数据（即医疗记录）的共享被阻止。在本研究中，我们提出了一种高效且安全的隐私保护学习算法，用于数据在多个参与方之间垂直划分的 ELM 分类。该新学习方法保护数值属性的隐私，在不共享私有数据且不向其他方披露各方数据的情况下构建分类模型。
引用
@article{arxiv.1602.02899,
title = {Secure Multi-Party Computation Based Privacy Preserving Extreme Learning Machine Algorithm Over Vertically Distributed Data},
author = {Ferhat Özgür Çatak},
journal= {arXiv preprint arXiv:1602.02899},
year = {2016}
}
备注
22nd International Conference, ICONIP 2015