VeriDL：外包深度学习服务的完整性验证（扩展版）
密码学与安全
2021-07-02 v1
摘要
深度神经网络（DNNs）因其在诸多领域的优越性能而备受瞩目。深度学习即服务（DLaaS）范式使个人与组织（客户端）能够将其 DNN 训练任务外包给基于云的平台。然而，DLaaS 服务器可能由于各种原因（例如拜占庭故障）返回不正确的 DNN 模型。这引发了严重关切：如何验证由潜在不可信的 DLaaS 服务器训练的 DNN 模型确实正确。为应对该关切，本文设计了 VeriDL，一个支持在 DLaaS 范式下对 DNN 模型进行高效正确性验证的框架。VeriDL 的核心思想是为 DNN 模型的训练过程设计一个小尺寸的密码学证明，该证明与模型关联并返回给客户端。通过该证明，VeriDL 能以确定性保证和较低开销验证 DLaaS 服务器返回的 DNN 模型的正确性。我们在四个真实世界数据集上的实验证明了 VeriDL 的效率和有效性。
引用
@article{arxiv.2107.00495,
title = {VeriDL: Integrity Verification of Outsourced Deep Learning Services (Extended Version)},
author = {Boxiang Dong and Bo Zhang and Hui and Wang},
journal= {arXiv preprint arXiv:2107.00495},
year = {2021}
}