privacy-preserving techniques | BriefGPT

关键词privacy-preserving techniques

搜索结果 - 17

通过元学习实现自动化的隐私保护技术
AUTOPRIV 是第一个自动化的隐私保护方法，利用元学习自动化进行去身份化过程，有助于安全发布用于机器学习任务的数据。它通过提供一系列有前景的解决方案来预测预测性能和隐私风险，从而在新领域内实现最佳近似。通过将计算复杂性和能源消耗大大降低
PDF10 days ago
利用联邦学习和差分隐私对电子健康档案进行隐私保护的机器学习
电子健康记录（EHR）是医疗提供者用来存储患者的医疗记录的电子数据库，其中可能包括诊断、治疗、费用和其他个人信息。机器学习算法可用于提取和分析患者数据以改善患者护理。患者记录包含诸如社保号码和居住地址等高度敏感信息，因此需要使用联邦学习和差
PDF11 days ago
可解释人工智能在数据驱动系统中的隐私影响
机器学习模型的不透明性威胁到其可解释性，可解释人工智能（XAI）技术通过提供解释 ML 模型内部决策过程的框架和方法来解决这一挑战，同时维护隐私的难题需要在理解 ML 决策和保护隐私之间找到平衡点。
PDF12 days ago
个性化联邦学习基于堆叠
使用堆叠泛化的新型个性化方法，在保护隐私的情况下，直接发送模型来训练元模型，并在水平、混合和垂直分区联邦中适用各种模型类型和隐私保护技术，从而创建更适合个体客户数据的多个模型，并通过多方面评估每位客户对联邦的贡献。
PDF3 months ago
LLM 间在不泄露私人信息的情况下是否可能相互协助？
本研究通过引入隐私保护技术，展示了在具有敏感数据访问权限的情况下，将级联系统应用于机器学习模型中的可行性，并提出了减少信息泄露风险的两种隐私度量方法。同时，通过运用社交学习范式，展示了在多个数据集上，相较于非级联基线，我们的方法不仅最小化了
PDF3 months ago
同态 WiSARDs：加密数据上高效的无权重神经网络训练
该论文介绍了在加密数据上对 Wilkie、Stonham 和 Aleksander 的 Recognition Device (WiSARD) 和 Weightless Neural Networks (WNNs) 进行训练和推理的同态评估
PDF3 months ago
野心勃勃：隐私保护神经网络训练的可重复研究
这项工作主要关注机器学习模型的训练阶段，在这个阶段对用户数据的隐私保护至关重要。我们提供了坚实的理论背景，以便更容易理解当前方法及其局限性。此外，我们对最新的模型训练框架进行了详细比较，提供了在标准基准上独特属性和性能的全面对比。我们重现了
PDF4 months ago
日常环境中的差分隐私联邦迁移学习：一个基于压力检测的案例研究
我们引入了一种差分隐私的联邦迁移学习框架来增强数据隐私和丰富数据充足性，在压力检测方面通过一个案例研究评估了该框架，并发现该方法能够在确保隐私保护的同时提高 10% 的准确性和 21% 的回忆率。
PDF5 months ago
用户建模与用户画像：综述
这篇综述论文详细论述了用户建模和个人资料研究领域的现状、发展趋势和未来发展方向，并提出了一个包含最新动态的新颖分类系统。研究表明，用户建模方法正在向更复杂的个人资料建立方法转变，强调隐式数据收集、多行为建模以及图数据结构的整合。此外，研究还
PDF5 months ago
正则化的 PolyKervNets：优化深度神经网络中的表达能力和效率以实现私人推断
通过优化训练方法，提高 PolyKervNets 在大型网络中的性能，可能消除传统非线性激活函数的需求，推动隐私保护深度神经网络架构的最新发展。
PDF6 months ago
Transformer 中梯度泄漏的攻击和防御的理论洞察
梯度泄漏攻击与防御策略的全面分析，为基于变压器模型的隐私保护技术的发展做出了积极贡献，旨在促进保护敏感数据和在变压器模型背景下维护隐私的进展。
PDF7 months ago
无泄漏的分割学习：减少隐私泄露
使用分层学习 (SL) 和同态加密 (HE) 的混合方法在 MIT-BIH 数据集上提供了更快的训练时间 (大约是其他基于 HE 的方法的 6 倍) 和显著减少的通信开销 (几乎是其他方法的 160 倍)，从而为深度学习中的敏感数据提供了更
PDF10 months ago
KDD隐私保护的图机器学习从数据到计算：综述
在图机器学习中，数据的收集、共享和分析往往涉及多个参与方，每个参与方可能需要不同级别的数据安全和隐私保护。为此，在保护敏感信息方面，保持隐私非常重要。在大数据时代，数据实体之间的关系变得前所未有的复杂，越来越多的应用程序利用了支持网络结构和
PDFa year ago
预测文本语言模型的种植和减轻记忆内容
通过测试效用一系列隐私保护技术来缓解大型语言模型不经意地记忆保密训练数据的风险，实验表明，差分隐私有可靠的隐私保护效果，但是性能代价较大。
PDF2 years ago
FakeTagger: 通过溯源追踪，对抗 DeepFake 的广泛传播
本文讨论了利用图像标记进行 DeepFake 的来源追踪的潜力，并提出了一种名为 FakeTagger 的基于深度学习的方法，该方法可以将嵌入的消息以高置信度恢复到面部图像中，可以有效地保护个人照片不被 DeepFaked。
PDF4 years ago
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
PDF4 years ago
无窥视：私有分布式深度学习综述
本文研究了分布式深度学习的多种方法，以保护数据的机密性，同时还允许服务器训练模型。在神经网络的背景下，比较了联邦学习，分离式学习和大批量随机梯度下降等多种方法，以及差分隐私、同态加密、遗忘传输和混淆电路等安全方法，讨论了它们在计算资源、数据
PDF6 years ago