Sindhuja Madabushi

新的PRIVEE防御增强了垂直联邦学习中的隐私保护

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。