.png){kind=icon}
返回
Privacy and Latency-Aware Dynamic Split Computing
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-01823-6_19.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，深度神经网络（DNNs）在图像识别中取得了显著成果，但由于其复杂性不断增加，难以在边缘设备上部署。分裂计算（SC）通过在边缘和云上划分DNN处理解决了这一问题。动态分裂计算（DSC）通过基于网络带宽等运行时条件选择分裂点扩展了SC。对于DSC，仍存在隐私问题——例如，模型反转攻击可能通过从边缘发送到服务器的中间输出重建原始输入。本研究首次尝试将差分隐私应用于DSC。我们提出了一种隐私感知的DSC训练方法以及兼顾隐私和延迟优化的DSC选择算法。实验表明，我们的训练方法可将准确率最高提升51.1%，并有效降低反转攻击的隐私风险。
Keyword:
Dynamic Split Computing
Differential Privacy
期刊
机构
引用论文
Dynamic Split Computing for Efficient Deep EDGE Intelligence.png)
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
OAAI
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏Ginver: Generative Model Inversion Attacks Against Collaborative InferenceGinver：针对协同推理的生成模型逆向攻击
PREAI
分享收藏Split Computing and Early Exiting for Deep Learning Applications: Survey and Research Challenges深度学习应用的拆分计算和早期退出: 调查和研究挑战OAAI
OAAI分享收藏Not Just PrivacyProceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
OAAI
Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
OAAI分享收藏Mixed-Precision Neural Architecture Search and Dynamic Split Point Selection for Split Computing用于分割计算的混合精度神经结构搜索和动态分割点选择IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏 没有更多内容
没有更多内容