典型文献
面向用户数据和模型数据的隐私保护技术
文献摘要：
数据与模型作为人工智能框架的2个重要元素,既需要考虑它们的安全性与隐私需求,又需要兼顾它们的计算性能.将密码学与人工智能技术相结合,面向多种智能算法,通过安全多方计算技术重构神经网络核心算法,实现全流程的安全推理.基于多线程计算和分段加密等技术优化Blowfish算法,高效完成海量模型数据的加解密流程.该研究有助于提升人工智能模式的安全性与密文计算效率,具有重要研究意义.
文献关键词：
隐私保护深度学习;安全多方计算;Blowfish算法
中图分类号：
作者姓名：
陈嘉乐;张佳乐;杨子路;赵彦超;后弘毅;陈兵
作者机构：
南京航空航天大学计算机科学与技术学院 南京 211106;中国电子科技集团公司第二十八研究所 南京 210023
文献出处：
引用格式：
[1]陈嘉乐;张佳乐;杨子路;赵彦超;后弘毅;陈兵-.面向用户数据和模型数据的隐私保护技术)[J].指挥信息系统与技术,2022(06):95-100
A类：
Blowfish,隐私保护深度学习
B类：
面向用户,用户数据,模型数据,隐私保护技术,密码学,技术相结合,智能算法,安全多方计算,计算技术,技术重构,核心算法,全推,多线程,技术优化,加解密,智能模式,密文计算,计算效率,研究意义
AB值：
0.366213
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。
