典型文献
基于秘密分享的高效隐私保护四方机器学习方案
文献摘要：
机器学习技术的广泛应用使得用户数据面临严重的隐私泄露风险,而基于安全多方计算技术的隐私保护分布式机器学习协议成为广受关注的研究领域.传统的安全多方计算协议为了实现恶意敌手模型下的安全性,需要使用认证秘密分享、零知识证明等工具,使得协议实现效率较低.为了得到更高效的协议,Chaudhari等人提出Trident四方协议框架,在三方协议的基础上,引入一个诚实参与方作为可信第三方来执行协议;而Koti等人提出的Swift框架,在参与方诚实大多数的三方协议背景下,通过一个筛选过程选出一个诚实参与方作为可信第三方来完成协议,并将该框架推广到诚实大多数的四方协议.在这样的计算框架下,作为可信第三方会拥有所有用户的敏感数据,违背了安全多方计算的初衷.针对此问题,设计了一个基于(2,4)秘密分享的四方机器学习协议,改进Swift框架的诚实参与方筛选过程,以确定出2个诚实参与方,并通过他们执行一个半诚实的安全两方计算协议,高效地完成计算任务.该协议将在线阶段的25％通信负载转移到了离线阶段,提高了方案在线阶段的效率.
文献关键词：
安全多方计算;隐私保护;机器学习;秘密分享;恶意敌手
中图分类号：
作者姓名：
阎允雪;马铭;蒋瀚
作者机构：
山东大学软件学院 济南 250101;山东省软件工程重点实验室(山东大学) 济南 250101
文献出处：
引用格式：
[1]阎允雪;马铭;蒋瀚-.基于秘密分享的高效隐私保护四方机器学习方案)[J].计算机研究与发展,2022(10):2338-2347
A类：
Chaudhari,Koti
B类：
秘密分享,隐私保护,学习方案,机器学习技术,得用,用户数据,隐私泄露,泄露风险,安全多方计算,计算技术,分布式机器学习,恶意敌手,手模型,零知识证明,协议实现,实现效率,了得,Trident,诚实,实参,参与方,方来,Swift,选过,计算框架,敏感数据,违背,初衷,一个半,安全两方计算,在线阶段,通信负载,离线阶段
AB值：
0.328231
相似文献
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。
