当机器学习遇上隐私：综述与展望
机器学习
2020-11-25 v1 人工智能
密码学与安全
摘要
新近涌现的机器学习（如深度学习）方法已成为推动智能制造医疗、金融科技和监控系统等广泛行业变革的强大驱动力。与此同时，在这一基于机器学习的人工智能时代，隐私已成为一个重大关切。需注意，机器学习背景下的隐私保护问题与传统数据隐私保护截然不同，因为机器学习既可充当守护者也可充当攻击者。目前，隐私与机器学习（ML）的保护工作仍处于起步阶段，因为大多数现有方案仅关注机器学习过程中的隐私问题。因此，亟需对隐私保护问题与机器学习进行综合性研究。本文综述了机器学习中隐私问题及解决方案的研究现状。该综述涵盖隐私与机器学习之间三类交互：（i）隐私保护机器学习，（ii）机器学习辅助的隐私保护，以及（iii）基于机器学习的隐私攻击及相应保护方案。本文回顾了每一类中的当前研究进展，并指出了关键挑战。最后，基于我们对隐私与机器学习领域的深入分析，指出了该领域的未来研究方向。
引用
@article{arxiv.2011.11819,
title = {When Machine Learning Meets Privacy: A Survey and Outlook},
author = {Bo Liu and Ming Ding and Sina Shaham and Wenny Rahayu and Farhad Farokhi and Zihuai Lin},
journal= {arXiv preprint arXiv:2011.11819},
year = {2020}
}
备注
This work is accepted by ACM Computing Surveys