privacy-preserving mechanisms | BriefGPT

关键词privacy-preserving mechanisms

搜索结果 - 7

FedAdOb: 隐私保护的自适应混淆联邦深度学习
通过提出名为 FedAdOb 的新型自适应混淆机制，在保护用户隐私的同时，避免了模型性能下降。经过理论证明，FedAdOb 在水平和垂直联邦学习环境中，能够确保数据的隐私性。通过在各种数据集和网络架构上广泛实验评估，证明了 FedAdOb
PDFa month ago
相似性为基础的隐私测量的不足：针对 “真正匿名合成数据” 的重构攻击
通过评估数据的统计相似性来衡量隐私是不可靠和不一致的，而生成模型只应以差分隐私为标准以保护数据隐私。本文针对领先公司提供的隐私度量指标进行分析，揭示了一些关键的推理缺陷，并提出了成功恢复生成模型中绝大部分用于训练的异常记录的重构攻击 Rec
PDF7 months ago
利用量子二分量子相关器进行盲量子机器学习
基于量子二分相干算法，我们介绍了新颖的盲量子机器学习协议，具有降低的通信开销，同时保持了来自不可信计算节点的数据隐私。我们引入了具有低计算开销的鲁棒算法特定的隐私保护机制，不需要复杂的密码学技术。通过复杂度和隐私分析，我们验证了提议协议的有
PDF8 months ago
透过面纱看世界：联邦学习中的差分隐私在医学影像分类中的应用
本研究将差分隐私技术引入联邦学习框架以实现隐私保护的医学图像分类，证实了隐私保护与模型准确性之间的权衡存在，但我们证明了差分隐私的隐私预算的战略校准可以保持健壮的图像分类性能同时提供实质性的隐私保护。
PDFa year ago
多模态 AI 中的数据保护：采用差分隐私方法进行 CLIP 训练
针对多模态 AI 在视觉 - 语言任务中引发的数据隐私问题，提出了基于差分隐私的 CLIP 模型 (Dp-CLIP)，通过梯度裁剪和不满足 DP-SGD 文献分析所假设的平滑条件的损失函数之间的权衡来平衡效用和隐私保护。
PDFa year ago
一种高效可扩展的大数据和数据流隐私保护算法
提出了一种新的数据扰动算法 SEAL，它基于 Chebyshev 插值和 Laplacian 噪声，在高效性和可扩展性方面提供了高隐私、高数据效用的平衡，在隐私参数选择方面提供了灵活性，并显示出优秀的执行速度、可扩展性、准确性和攻击抵抗力。
PDF5 years ago
封装瓶中信：社交网络中的隐私保护好友添加
本文提出了一种保护用户隐私的多跳移动社交网络，用户只需提交偏好资料，该机制可搜索匹配的参与者且同时确保通讯安全、高效。
PDF12 years ago