ABY3框架:安全高效的秘密分享与机器学习应用
需积分: 5 144 浏览量
更新于2024-08-05
收藏 2.5MB PDF 举报
本文是一篇关于ABY3学习分享的深度探讨,该框架专注于隐私保护的机器学习,特别是在算数电路、二进制电路和姚式分享电路之间的高效转换。核心内容包括以下几个方面:
1. **通用隐私保护框架**:文章介绍了一个基于三方服务器的隐私保护机器学习框架,用于实现线性回归、逻辑回归和神经网络模型。这个框架考虑了semi-honest和maliciouswithabort两种安全威胁模型。
2. **新型加密协议**:
- **秘密分享定点数乘法**:作者提出了一个新协议,提高了吞吐量和延迟性能,适用于多方计算,并且在恶意攻击下保持安全性。
- **电路转化协议**:文章提出了一种将算术、布尔和姚式电路相互转化的方法,增强了对maliciouswithabort攻击的防护。
3. **优化技术**:
- **delayed re-share**:通过这项技术,减少了向量操作中的通信复杂度,同时引入了通用的三方扩展OT协议,用于计算分段多项式函数。
4. **安全设置**:论文针对semi-honest和malicious两种安全模型构建了相应的协议模块,确保数据安全。
5. **性能比较**:实验结果显示,ABY3框架在神经网络任务中比secureML更快,而在预测任务上比Chameleon快270倍,显示出显著的优势。
6. **秘密分享机制**:
- **算术秘密分享**:采用2-out-of-3的秘密分享,涉及本地计算、re-sharing以及随机数的加入以保护隐私。
- **二进制电路和姚式分享**:介绍了一种混淆机制,如双发姚式分享和三发姚式分享,强调了混淆电路(GC)在共享过程中的关键作用。
本文的主要贡献在于开发出一个高效、安全的隐私保护机器学习框架,通过创新的加密协议和优化技术,提升多方计算效率的同时保障数据隐私。
2021-05-06 上传
2020-04-24 上传
2020-07-13 上传
2024-05-23 上传
2021-04-24 上传
2019-12-24 上传
2023-07-11 上传
2021-10-11 上传
2022-12-02 上传
牛三金
- 粉丝: 618
- 资源: 6
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手