基于同態(tài)加密的前饋神經(jīng)網(wǎng)絡隱私保護方案

摘要： 當前的隱私保護機器學習方法在保障數(shù)據(jù)隱私方面取得了一定進展,然而在計算效率和服務器資源利用等方面仍存在挑戰(zhàn)。為了充分利用服務器資源,針對前饋神經(jīng)網(wǎng)絡,文章提出一種基于主從服務器架構(gòu)的同態(tài)加密前饋神經(jīng)網(wǎng)絡隱私保護方案。該方案通過秘密共享技術(shù)將數(shù)據(jù)和模型參數(shù)分發(fā)至兩個不共謀的服務器,并利用同態(tài)加密技術(shù)對服務器間的交互信息進行加密。在計算效率方面,通過避免耗時的密文向量和明文矩陣乘法... （共11頁）