SMAP:一种用于安全多方可视化的联合降维方案
密码学与安全
2020-07-31 v1 人机交互
机器学习
摘要
如今,随着数据日益复杂且分散,数据分析常常涉及存储在多个不同服务器上、且可能由不同利益相关方拥有的若干相关数据集。尽管在全局背景下为这些利益相关方提供其数据的全貌这一需求正在涌现,但传统的可视化分析方法(如降维)在多方的数据库被融合到单一站点以建立点级关系时,会暴露数据隐私。在本文中,我们将传统的 t-SNE 方法从单站点模式重构为安全分布式架构。我们提出了一种用于联合 t-SNE 计算的安全多方方案,其能将数据泄露风险降至最低。可选择性地采用聚合可视化以隐藏点级关系的披露。我们基于我们的方法 SMAP 构建了一个原型系统,以支持安全联合嵌入的组织、计算与探索。我们通过三个案例研究展示了我们方法的有效性,其中之一是建立在我们的系统在真实世界应用中的部署之上。
引用
@article{arxiv.2007.15591,
title = {SMAP: A Joint Dimensionality Reduction Scheme for Secure Multi-Party Visualization},
author = {Jiazhi Xia and Tianxiang Chen and Lei Zhang and Wei Chen and Yang Chen and Xiaolong Zhang and Cong Xie and Tobias Schreck},
journal= {arXiv preprint arXiv:2007.15591},
year = {2020}
}
备注
12 pages, 10 figures. Conditionally accepted by VAST 2020