日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 编程资源 > 编程问答 >内容正文

编程问答

安全多方计算-入门学习笔记(二)

發布時間:2023/12/14 编程问答 28 豆豆
生活随笔 收集整理的這篇文章主要介紹了 安全多方计算-入门学习笔记(二) 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

安全多方計算!(Secure Multi-party Computation SMC MPC)

? ? ? ?學習來自:李天天一個蛋疼的處女座文藝理工直男

? ? ? ??https://www.zhihu.com/people/li-tian-tian-13

一、安全多方計算的介紹

? ? ? 安全多方計算作用就是讓人們在保護數據隱私前提下完成計算任務。凡是一個計算任務需要用到來自多個參與者的數據,但各個參與者又不想(或不被允許)交換或公開數據,那安全計算就適用于這樣的計算任務。

?

? ? ? ?多方計算:

? ? ? ? ?多個參與者將各自的數據湊在一起,并在這個大數據集上進行一定的計算,并得到最后的計算結果。

? ? ? ? ?多方安全計算分為兩類:

? ? ? ? ?一類是基于噪音的,另一類不是基于噪音

?

二、基于噪音的安全多方計算介紹

1.方法思想

? ? ? ?對計算過程用噪音干擾,讓原始數據(模型參數、輸出數據)淹沒在噪音中,使別有用心者無法從得到的結果反推原始數據。

參與者既可以對自己的原始數據加噪音使得原始數據從來沒在計算過程中出現過,也可以在模型訓練的時候改變通過改變模型參數影響輸出結果,也可以直接在輸出暴露前在輸出上加噪音從而使得從計算結果無法反推輸入。

比如我們要計算一個函數?,,那么對輸入進行干擾后得到的結果便是??,對參數進行干擾后得到的結果為?,對輸出進行干擾后的結果是??。

?

2.優缺點

? ? ? ?優點:是效率高(只需要生成服從特定分布的隨機數即可)

? ? ? ?缺點:是最后得到的結果不夠準確,而且在復雜的計算任務中結果會和無噪音的結果相差很大導致結果無法使用。

?

? ? ? ?基于噪音的安全計算方法,最主要代表是目前很火的差分隱私(differential privacy)

?

三、基于噪音--差分隱私(Differential Privacy)

? ? ? ?學習來自:李天天一個蛋疼的處女座文藝理工直男

? ? ? ??https://www.zhihu.com/people/li-tian-tian-13

1.什么是差分隱私

如果通過隨機算法作用于任何相鄰數據集,得到一個特定輸出的概率差不多,那么我們就說這個算法能達到差分隱私的效果,觀察者通過觀察輸出結果很難察覺出數據集一點微小的變化,從而達到保護隱私的目的。

(1)相鄰數據集。

現給定兩個數據集D和D’, 若它們有且僅有一條數據不一樣,那我們就稱此二者為相鄰數據集。

(2)隨機化算法

隨機算法,是指對于特定輸入,該算法的輸出不是固定值,而是服從某一分布。

2.如何獲取差分隱私:

最簡單的方法是加噪音,也就是在輸入或輸出上加入隨機化的噪音,以期將真實數據掩蓋掉。比較常用的是加拉普拉斯噪音(Laplace noise)。由于拉普拉斯分布的數學性質正好與差分隱私的定義相契合,因此很多研究和應用都采用了此種噪音。

假設我們想要知道到底有多少人是單身狗,我們只需要計算??,那么為了掩蓋具體數值,實際輸出值應為?,相應地,另一個數據集輸出的是??。這使得觀察者分不清最終的輸出是由哪個數據集產生的,從而實現差分隱私。

3.對數據的影響

在數據量很大的情況下,噪音的影響很小,這時候就可以放心大膽地加噪音了,但數據量很小的情況下,噪音的影響就顯得比較大,會使得最終結果偏離準確值較遠而變得不可用。

[1] Dwork, Cynthia, et al. "Our data, ourselves: Privacy via
distributed noise generation."?Annual International Conference on the Theory and Applications of
Cryptographic Techniques. Springer, Berlin, Heidelberg, 2006.

[2] Dwork, Cynthia, and Aaron Roth. "The algorithmic
foundations of differential privacy."?Foundations and Trends? in Theoretical Computer Science?9.3–4 (2014):
211-407.

[3] Bhaskar, Raghav, et al. "Noiseless database
privacy."?International Conference on
the Theory and Application of Cryptology and Information Security. Springer, Berlin,
Heidelberg, 2011.

總結

以上是生活随笔為你收集整理的安全多方计算-入门学习笔记(二)的全部內容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。