Czasopismo | PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE | Rocznik 2023 - zeszyt 4

Uczenie maszynowe z ochroną prywatności danych

Privacy-preserving Machine Learning

10.15199/59.2023.4.22

nr katalogowy: 144750
10.15199/59.2023.4.22

Streszczenie

Porównano różne metody służące do zapewniania prywatności w przypadku przetwarzania danych z użyciem uczenia maszynowego. Wybrano najbardziej adekwatne metody: szyfrowanie homomorficzne, prywatność różnicowa, metoda uczenia federacyjnego. Efektywność przedstawionych algorytmów została ujęta ilościowo za pomocą powszechnie używanych metryk: funkcji kosztu dla jakości procesu uczenia, dokładności dla klasyfikacji i współczynnika determinacji dla regresji.

Abstract

Various methods for ensuring privacy in machine learning based data processing were compared. The most suitable methods have been selected: homomorphic encryption, differential privacy, and federated learning. The effectiveness of the presented algorithms was quantified using commonly used metrics: cost function for the quality of the learning process, accuracy for classification, and coefficient of determination for regression.

Słowa kluczowe

Keywords

Bibliografia

[1] Dianqi Liu, Liang Bai, Tianyuan Yue, Aiming Zhang. 2022. „Towards Method of Horizontal Federated Learning: A Survey”. 8th International Conference on Big Data and Information Analytics (BigDIA)
[2] Qiang Yang, Yang Liu, Tianjian Chen, Yongxin Tong. 2019 . „Federated Machine Learning: Concept and Applications”. ACM Transactions on Intelligent Systems and Technology, vol. 10, is. 2, pp 1-19.
[3] Zhanglong Ji, Zachary C. Lipton, Charles Elkan. 2014. „Differential Privacy and Machine Learning: a Survey and Review”. CoRR abs/1412.7584 URL: https://arxiv.org/abs/1908.07873 pp. 3-10.
[4] Mohammad Al-Rubaie, J. Morris Chang. 2019. „Privacy-Preserving Machine Learning: Threats and Solutions”. IEEE Security & Privacy, vol. 17, is. 2.
[5] Vijaya Kamble, Ashish Phophalia. 2022. „Medical Image Analysis Using Federated Learning Frameworks: Technical Review”. IEEE 10th Region 10 Humanitarian Technology Conference.
[6] Martín Abadi, Brendan McMahan, Andy Chu and Ilya Mironov, Li Zhang, Ian Goodfellow, Kunal Talwar. 2016. „Deep Learning with Differential Privacy”. ACM SIGSAC Conference on Computer and Communications Security (CCS’16).
[7] Hangyu Zhu, Jinjin Xu, Shiqing Liu and Yaochu Jin. 2021. „Federated learning on non-IID data: A survey”. Neurocomputing, vol. 465, is. C, pp 371–390.
[8] Shreya Gupta, Ginni Arora. 2019. „Use of Homomorphic Encryption with GPS in Location Privacy”. 4th International Conference on Information Systems and Computer Networks (ISCON).
[9] Chiara Marcolla, Victor Sucasas, Marc Manzano, Riccardo Bassoli. 2022. „Survey on Fully Homomorphic Encryption, Theory, and Applications”. Proceedings of the IEEE, vol. 110, no. 10, pp. 1572-1609.
[10] Andrew Galen, Om Thakkar, H. Brendan McMahan, Swaroop Ramaswamy. 2021. „Differentially Private Learning with Adaptive Clipping”. Advances in Neural Information Processing Systems vol. 35, pp. 17455-17466.
[11] Qibin Chen, Yijin Teng, Hui Zhang; Kai Jiang, Qiang Duan; Xue Li, Xinxin Zhao, Rui Li. 2022. „PostTraining Quantization for Longformer with Chunkwise Quantization Granularity and Optimized Percentile”. 7th International Conference on Computer and Communication Systems (ICCCS).
[12] Jonghoon Kwak, Kyungho Kim, Sang-Seol Lee, Sung-Joon Jang, Jonghee Park. 2022. „Quantization Aware Training with Order Strategy for CNN”. IEEE International Conference on Consumer ElectronicsAsia (ICCE-Asia).

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE- e-publikacja (pdf) z zeszytu 2023-4 , nr katalogowy 144750 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Prenumerata

PRZEGLĄD TELEKOMUNIKACYJNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

300.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna	348.00 zł brutto 322.22 zł netto 25.78 zł VAT (stawka VAT 8%)
PRZEGLĄD TELEKOMUNIKACYJNY - pakowanie i wysyłka	21.00 zł brutto 17.07 zł netto 3.93 zł VAT (stawka VAT 23%)

369.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	450.00 zł brutto 416.67 zł netto 33.33 zł VAT (stawka VAT 8%)

450.00 zł

Zeszyt

2023-4

Twój Koszyk

Publikacja

Prenumerata

Zeszyt

Czasopisma