科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对基于分布式云端数据外包机器学习隐私泄露及存在合谋攻击的安全威胁，提出一种高效而抗合谋攻击的分布式机器学习隐私保护(EPDMLCA)方案．首先，基于部分同态Hash-ElGamal方案构建了数据提供者(DP)同态加密算法，用于数据隐私保护的外包传输及存储．在允许公开验证数据完整性的条件下，进行数据的动态性更新；然后，采用拉普拉斯分布机制建立了云服务器(CS)差分隐私算法，云服务器将加密的数据转换为噪声数据，避免了数据训练时敌手和数据分析师之间的合谋攻击；最后，利用分布式机群架构将大量计算任务分布式地部署到多台多类型机器上同时进行训练，在保证训练精度的基础上提高了计算效率．分析结果表明：该方案具有隐私性和抗合谋攻击性，同时有着完备性和较低的计算时间开销．
- 单位
