data security | BriefGPT - AI 论文速递

关键词data security

搜索结果 - 30

从分布式机器学习到联邦学习：一项调查
通过对联邦学习的现有作品进行全面调查，提出功能框架和分类学相关技术，以及联邦学习系统的分布式培训，数据通信和安全性。
PDF3 years ago
AAAI用于加密数据的高效 CNN 建模块
本文介绍充分同态加密 (Fully Homomorphic Encryption, FHE) 在机器学习中的应用，针对现有文章只关注于数据安全而忽略模型参数的安全问题，以及高层级的实现不提供对深度卷积神经网络 (CNNs) 中的卷积、非线性
PDF3 years ago
联邦学习：机遇与挑战
介绍谷歌于 2016 年首次提出的联邦学习，多个设备在中央服务器的监督下协作学习机器学习模型，可保证本地数据的隐私性和安全性，同时存在攻击风险，就此探讨了联邦学习的机会和挑战所在。
PDF3 years ago
机器学习数据集安全性：数据投毒、后门攻击和防御
介绍机器学习系统中数据集安全领域的各种潜在威胁及其防御方法，并提出解决这些问题的未解之谜。
PDF4 years ago
从大型语言模型中提取训练数据
本研究论文在大规模语言模型训练及私人数据集保护之间发现了一定的矛盾，由此提出了一种通过查询语言模型进行训练数据提取的攻击方法，并以 GPT-2 为例证，能够成功地提取训练数据中的个人信息、代码等敏感信息，这也提示着训练数据的隐私和安全问题，
PDF4 years ago
精准医疗数据：需求、挑战和现有技术的数据安全和隐私保护
本研究论文旨在探讨精准医疗数据安全、隐私保护、伦理和监管要求下的最佳应用方法和技术，分别从全球的规定、道德准则，领域特定需求着手，调查与之相关的挑战，为计算精准医疗数据使用安全的隐私保护机器学习方法，最后提出能够遵守伦理规范、管理同意、促进
PDF4 years ago
围攻电网事件原因分析：一种对抗性机器学习方法
本文探讨了针对数据驱动应用中出现的恶意攻击对卷积神经网络（CNN）事件原因分析框架的影响，并通过实时数字模拟器（RTDS）生成的数据分析了不同攻击类型和数据访问级别下攻击的有效性和防御机制。
PDF5 years ago
联邦森林
本文提出了一种称为 Federated Forest 的隐私保护机器学习模型，该模型是传统随机森林方法的无损学习模型，可以在不泄露原始数据的情况下处理分布在不同公司或政府机构中的数据。通过该模型，开发了一种安全的跨地区机器学习系统，并提出
PDF5 years ago
智能电网中基于云计算的物联网数据获取的高效和安全实现
本文提出了一种基于 CP-ABE 的高效安全数据采集方案，通过将数据分块并按顺序使用相应的访问子树进行加密，从而实现了数据加密和数据传输的并行处理，同时采用阈值秘密共享方法保护访问树信息，实现了对敏感且大量的电网数据的安全采集和传输，该方案
PDF6 years ago
如何后门联邦学习
本文论述了联邦学习的安全问题，指出任何参与者都可以在联邦学习中引入隐藏的后门功能，进而设计了基于替换模型和泛化约束的攻击方式。这种攻击方法可以在短时间内使全局模型对后门任务达到 100％的准确率，并可通过对抗损失函数规避检测方法。
PDF6 years ago