时空分离学习
机器学习
2021-08-16 v1 人工智能
摘要
本文提出了一种具有多个终端系统的新型分离学习框架，以实现保护隐私的深度神经网络计算。在传统的分离学习框架中，深度神经网络计算被分割到多个计算系统以隐藏整个网络架构。在我们提出的框架中，多个计算终端系统在分离学习计算中共享一个中心化服务器，其中多个终端系统具有输入层和第一个隐藏层，而中心化服务器具有其余隐藏层和输出层。该框架被称为时空分离学习，由于从多个终端系统收集数据而在空间上分离，并且由于分离学习的本质而在时间上分离。我们的性能评估验证了所提框架在保护数据隐私的同时展现出接近最优的精度。
引用
@article{arxiv.2108.06309,
title = {Spatio-Temporal Split Learning},
author = {Joongheon Kim and Seunghoon Park and Soyi Jung and Seehwan Yoo},
journal= {arXiv preprint arXiv:2108.06309},
year = {2021}
}
备注
IEEE/IFIP International Conference on Dependable Systems and Networks (DSN)