Jun, 2023

本地分布多网络隐私保护社区检测

PDF
TL;DR本研究提出了一种使用本地存储计算的网络数据，并具有隐私保护的多层随机块模型的共识社区检测和估计的新方法，通过采用随机响应机制来扰动网络边缘，使用偏差调整程序进行去偏差矩阵的特征分解和 K-means 聚类。
multi-layer networkscommunity detectionprivacy protectionspectral clusteringstochastic block model
发现论文，激发创造
  • 基于共识算法的差分隐私分散深度学习

    本研究提出了一种基于不同隐私的分散式深度学习方法，该方法对协作学习的数据进行隐私保护，保障节点之间数据的安全交换。实验结果表明，在稀疏图和不均匀数据分布下，不同隐私梯度跟踪具有抗干扰性，并且可在不向其他代理共享原始数据的情况下学习高准确性模型。

    Jun, 2023

  • 图神经网络中的局部差分隐私：一种重建方法

    我们提出了一个基于图神经网络的学习框架，该框架可以在用户层面提供节点隐私，并且在损失效用性方面表现较低。我们使用分布式隐私保护的概念，并在节点水平对特征和标签数据应用随机化机制，在数据被中央服务器收集用于模型训练之前进行扰动。通过随机化数据的统计分析中的频率估计，我们开发了重构方法来逼近扰动数据的特征和标签。我们还形成了利用图聚类的频率估计来在子图层面监督训练过程的学习框架。在真实数据集和半合成数据集上进行了大量实验，证明了我们提出模型的有效性。

    Sep, 2023

  • 神经网络本地差分分类隐私验证

    神经网络在隐私攻击方面容易受到影响。我们提出了一种新的隐私属性，称为局部差分分类隐私（LDCP），将本地鲁棒性扩展到适用于黑盒分类器的差分隐私设置。利用 Sphynx 算法，我们可以从一小组网络中计算出一个抽象的网络，并直接验证 LDCP。通过仅训练 7% 的网络，Sphynx 可以预测出 93% 的抽象网络并减少分析时间。

    Oct, 2023

  • 去中心化学习中相关噪音的隐私保护能力

    本文提出了 Decor，它是一种具有差分隐私保证的分散式 SGD 变体，通过一轮通信中安全地交换随机种子来生成成对抵消的相关高斯噪声，以保护每一轮通信中的本地模型，并在理论上和实践上证明 Decor 在任意连通图中匹配了中心化差分隐私的最佳隐私 - 效用折衷，并在 SecLDP 下实现了所有用户通信的保护，假设每对连接的用户共享一个密钥作为隐藏信息。

    May, 2024

  • 差分隐私的随机游走分散式学习

    去中心化学习中采用随机游走算法以节点间的通信图为边更新模型，通过 Pairwise Network Differential Privacy 推导出隐私损失，研究结果表明随机游走算法相较于热点算法在节点邻近情况下提供更好的隐私保证。

    Feb, 2024

  • 基于 ADMM 的可信差分隐私分布式机器学习

    本文提出了 PP-ADMM 和 IPP-ADMM，采用扰动优化和稀疏向量技术，在保护本地数据隐私的同时，提高了模型的准确性和收敛速度，并跟踪零集中的差分隐私度量，实验证明在相同的隐私保证下，该算法优于现有算法。

    Aug, 2020

  • 揭示网络结构的机密性：节点私有图匀估计的改进率

    本文针对社交网络保护隐私问题，提出了新算法和不可能结果，并给出了适用于复杂网络模型的新算法，该算法比之前的算法要更精确。同时，本文还提出一种新的不同隐私算法的扩展引理，希望能够被广泛应用。

    Oct, 2018

  • 使用分散聚合进行具有差分隐私的联邦学习

    移动设备、隐私、实用性、联邦学习和差分隐私是该研究的主要关键词，研究通过在联邦学习中采用差分隐私的实验环境并使用基准数据集来探讨隐私与实用性之间的平衡问题。

    Nov, 2023

  • 基于知识蒸馏的本地差分隐私分布式深度学习

    本文提出了一种隐私保护的分布式深度学习框架 LDP-DL, 通过使用本地差分隐私和知识蒸馏进行模型训练。实验结果表明，在三个常用深度学习数据集 (CIFAR10, MNIST, FashionMNIST) 上的实验中，LDP-DL 在隐私预算和模型准确性方面均优于其他竞争对手。

    Feb, 2022

  • 隐私保护机器学习的分布式信任框架

    本文介绍了一种分布式基础设施，用于实现分布式代理之间的点对点信任，从而协同执行保护隐私的机器学习工作流程。使用 Hyperledger Aries，Decentralised Identifiers (DIDs) 和 Verifiable Credentials (VCs) 建立了一个分布式信任体系，促进与心理健康护理相关的联邦学习工作流程。

    Jun, 2020