基于同态加密的密态卷积神经网络预测模型 的构建与实现*

2022-06-13 05:45:12黄云帆汤殿华尉小鹏
信息安全与通信保密 2022年5期
关键词:模型

黄云帆,汤殿华,赵 伟,任 娟,尉小鹏

(1.中国电子科技集团公司第三十研究所,四川 成都 610041;2.保密通信重点实验室,四川 成都 610041)

0 引 言

同态加密技术是解决数据挖掘利用与隐私保护之间矛盾的关键技术之一,也为神经网络模型中的隐私保护问题提供了解决思路。

2007 年,Orlandi 等人[1]首先提出了一个将神经网络应用于同态加密的方案,但该方案具有较大的延迟,极大地限制了其实用性。2015 年,Shokri 等人[2]在CCS 2015 上提出了基于隐私保护的深度学习系统,允许参与者通过联合数据集的方式学习神经网络模型,但存在部分梯度值泄露的风险。

随着深度学习的不断进步,基于隐私保护的神经网络预测的研究也受到了广泛关注。2016 年,微软的Dowlin 等人[3]将全同态加密应用于神经网络,首次提出CryptoNets 模型,成为同态加密在深度神经网络应用上的一个里程碑。2017年,Hesamifard 等人[4]构建了CryptoDL 模型,用低次数的多项式函数近似激励函数来完成神经网络的训练,提供了高效、准确和可扩展的隐私保护预测。2018 年,Jiang 等人[5]提供了一个实用化的框架E2DM,在密文数据及模型下,支持模型在预测阶段的安全评估计算。2020 年,Al Badawi 等人[6]遵循CryptoNets 的框架,提出了第一个图形处理器(Graphics Processing Unit,GPU)加速同态卷积神经网络,将预测时间提升了40.41 倍。2021 年,纽约大学的Reagen 等人[7]为服务器端的同态深度神经网络提供了一套算法和硬件的优化方案框架Cheetah,用于提升神经网络的密文预测速度。国内对于基于同态加密的神经网络的研究起步较晚,2019 年,山东师范大学的王启正等人[8]设计了一种包含新的线性分段激励函数的隐私保护神经网络。……

登录APP查看全文

猜你喜欢
模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用