典型文献
高效抗合谋攻击分布式机器学习隐私保护方案
文献摘要：
针对基于分布式云端数据外包机器学习隐私泄露及存在合谋攻击的安全威胁,提出一种高效而抗合谋攻击的分布式机器学习隐私保护(EPDMLCA)方案.首先,基于部分同态Hash-ElGamal方案构建了数据提供者(DP)同态加密算法,用于数据隐私保护的外包传输及存储.在允许公开验证数据完整性的条件下,进行数据的动态性更新;然后,采用拉普拉斯分布机制建立了云服务器(CS)差分隐私算法,云服务器将加密的数据转换为噪声数据,避免了数据训练时敌手和数据分析师之间的合谋攻击;最后,利用分布式机群架构将大量计算任务分布式地部署到多台多类型机器上同时进行训练,在保证训练精度的基础上提高了计算效率.分析结果表明:该方案具有隐私性和抗合谋攻击性,同时有着完备性和较低的计算时间开销.
文献关键词：
机器学习;分布式系统;合谋攻击;云存储;差分隐私
中图分类号：
作者姓名：
曹来成;吴琪瑞;吴蓉;郭显
作者机构：
兰州理工大学计算机与通信学院,甘肃兰州730050
文献出处：
引用格式：
[1]曹来成;吴琪瑞;吴蓉;郭显-.高效抗合谋攻击分布式机器学习隐私保护方案)[J].华中科技大学学报（自然科学版）,2022(05):39-45
A类：
EPDMLCA
B类：
抗合谋攻击,分布式机器学习,隐私保护方案,云端,外包,包机,隐私泄露,安全威胁,Hash,ElGamal,方案构建,提供者,DP,同态加密算法,数据隐私保护,公开验证,数据完整性,拉普拉斯分布,布机,机制建立,云服务器,CS,差分隐私,数据转换,噪声数据,数据训练,敌手,分析师,机群,群架,多台,多类型,计算效率,隐私性,攻击性,完备性,计算时间,开销,分布式系统,云存储
AB值：
0.387697
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
