研究人员开发了PRIVEE，这是一种新颖的防御机制，旨在保护垂直联邦学习（VFL）中的特征推断攻击。VFL允许组织在具有不同特征集的共享用户数据上协同训练模型，但它容易受到利用共享置信度分数重建私有特征的攻击。PRIVEE通过混淆这些置信度分数来解决此问题，共享转换后的表示而不是原始数据。这种方法在不影响模型预测准确性的情况下降低了重建风险，与现有防御措施相比，重建误差最多可提高30倍。 AI
影响 增强了协作机器学习模型的隐私保证，可能促使VFL在敏感领域得到更广泛的应用。
排序理由 学术论文，详细介绍了一种新的机器学习隐私保护技术。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- machine learning
- ScienceCast
- Sindhuja Madabushi
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
