返回
Private and Secure Distributed Deep Learning: A Survey
DOI:10.1145/3703452.png)
摘要
En 中文
传统上,深度学习从业者会将数据引入中央存储库以进行模型训练和推理。分布式学习(如联邦学习和深度学习即服务DLaaS)的最新进展无需集中数据,而是将计算推送到分布式数据集所在的位置。然而,这些去中心化训练方案引入了额外的安全和隐私挑战。本综述首先将分布式学习领域结构化为两种主要范式,然后概述了针对每种范式近期发表的防护措施。本研究强调了安全训练方法以及隐私推理措施。我们的分析表明,近期出版物虽然高度依赖于问题定义,但在安全、隐私和效率方面均报告了进展。尽管如此,我们也识别出私有化和安全分布式深度学习(PSDDL)领域内若干当前问题,需要更多研究。我们讨论了这些问题,并提供了关于如何解决它们的总体概述。
Keyword:
Deep learning
privacy
security
distributed learning
期刊
IF:
28
论文数:
2.5K
被引数:
3.5W
机构
引用论文
Knowns and unknowns for psychophysiological endophenotypes: Integration and response to commentaries
Privacy-Preserving Machine Learning With Fully Homomorphic Encryption for Deep Neural Network
IEEE ACCESS
IF3.6

