model privacy | BriefGPT - AI 论文速递

关键词model privacy

搜索结果 - 7

云端神经网络训练中的保密性保护
Tempo 是首个与 TEE 和分布式 GPU 合作的基于云的深度学习系统，通过引入以排列为基础的隐匿算法以盲化输入和模型参数，并提出了一种优化机制来减少加密操作，从而在保护模型隐私的同时加速了深度神经网络的训练，实验证明 Tempo 优于
PDF5 months ago
推荐系统的模型窃取攻击
通过限制可用目标数据和查询数量，并利用与目标数据共享物品集的辅助数据，利用注意机制将它们融合起来辅助攻击，该论文设计了有效提取通过查询目标模型获得的推荐列表的窃取函数，实验结果表明该方法适用于大多数推荐系统和各种场景，并在多个数据集上表现出
PDF7 months ago
FedPEAT：移动边缘计算中的联邦学习、参数高效微调和仿真器辅助调整在人工智能基础模型上的融合
在当前的基础模型时代中，我们介绍了 Emulator-Assisted Tuning (EAT) 和 Parameter-Efficient Fine-Tuning (PEFT) 结合形成的 Parameter-Efficient Emul
PDF8 months ago
谨慎平滑选择：标签平滑既可以成为隐私保护，又可能成为模型逆向攻击的催化剂
标签平滑是一种用于深度学习的广泛采用的正则化方法，本研究探究了标签平滑对模型反演攻击的影响，发现传统的标签平滑会增加模型的隐私泄露，而采用负因子的平滑可以阻止类相关信息的提取，从而提高隐私保护性并增强模型的鲁棒性。
PDF9 months ago
黑盒大型预训练模型的高效联邦迁移调整
基于预训练模型，提出了一种去中心化的黑盒提示调整方法，解决了内存约束和数据隐私问题，并在 CV 和 NLP 任务上进行了全面评估。
PDF9 months ago
从黑盒模型中学习私有模型：引导原始潜变量
该论文提出了一种新的 Back-Propagated Black-Box Adaptation（BPBA）方法，通过该方法用户可以更好地训练其私有模型，从而使得基础 / 源模型的使用更加轻松，并且防止泄露和误用，并提出了一种新的训练策略 B
PDFa year ago
多方纵向协作学习隐私保护异步联邦学习算法
本文提出了针对垂直分割数据的异步联邦学习算法 AFSGD-VP 及其 SVRG 和 SAGA 变体，并在强凸条件下提供了收敛性分析。实验结果验证了本算法的理论结果，并表明我们的算法比相应的同步算法效率高得多，并且具有模型隐私保护。
PDF4 years ago