基于噪声扰动的成员推断防御机制

作者：陈卓

来源：景德镇学院学报, 2020, 35(06): 4-44.

• 深度学习
• 成员推断攻击
• 防御
• 隐私保护

本文提出基于噪声扰动的成员推断防御机制,通过对训练数据提前进行处理来防御MLaaS中训练数据的隐私泄露问题。分析实验中的各个参数,与没有经过扰动的数据集进行比较,结果表明本文使用的方法在训练准确度没有严重损失且训练误差基本保持不变的情况下,测试准确度和攻击准确度差值较小且比较接近随机猜测的效果。

• 单位
  安徽理工大学