검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Frameworks for Privacy-Preserving Federated Learning 개인 정보 보호 연합 학습을 위한 프레임워크

Le Trieu PHONG, Tran Thi PHUONG, Lihua WANG, Seiichi OZAWA

  • 조회수

    0

  • 이것을 인용

요약 :

본 논문에서는 신경망과 의사결정 트리 모두에서 사용할 수 있는 기술을 포함하여 연합 학습의 개인정보 보호 기술을 살펴봅니다. 먼저 연합 학습에서 정보가 유출될 수 있는 방법을 식별한 후 기존의 많은 PPFL(개인 정보 보호 연합 학습) 시스템을 포괄하는 두 가지 개인 정보 보호 프레임워크를 도입하여 이 문제를 해결하는 방법을 제시합니다. 공개적으로 사용 가능한 금융, 의료 및 사물 인터넷 데이터 세트를 사용한 실험을 통해 개인 정보 보호 연합 학습의 효과와 실제 시나리오에서 매우 정확하고 안전하며 개인 정보를 보호하는 기계 학습 시스템을 개발할 수 있는 잠재력을 보여줍니다. 연구 결과는 연합 학습 시스템의 설계 및 구현에서 개인 정보 보호를 고려하는 것이 중요하다는 점을 강조하고, 효과적이고 실용적인 기계 학습 시스템을 개발하려면 개인 정보 보호 기술이 필수적임을 시사합니다.

발행
IEICE TRANSACTIONS on Information Vol.E107-D No.1 pp.2-12
발행일
2024/01/01
공개일
2023/09/25
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2023MUI0001
원고의 종류
Special Section INVITED PAPER (Special Section on Enriched Multimedia — Media technologies opening up the future —)
범주

작성자

Le Trieu PHONG
  National Institute of Information and Communications Technology (NICT)
Tran Thi PHUONG
  National Institute of Information and Communications Technology (NICT),KDDI Research, Inc.
Lihua WANG
  National Institute of Information and Communications Technology (NICT)
Seiichi OZAWA
  Kobe University

키워드