ĐẢM BẢO TÍNH RIÊNG TƯ DỮ LIỆU VỚI HỌC LIÊN KẾT CẢI TIẾN

Nguyễn Thị Hường, Bùi Huy Toàn, Lê Tấn Phong, Nguyễn Đình Thúc

Tóm tắt


 

Mô hình hóa dữ liệu là bài toán quan trọng trong phân tích dữ liệu. Học máyphương pháp được sử dụng rộng rãi để giải quyết bài toán mô hình hóa này. Hầu hết các mô hình học là cục bộ theo nghĩa dữ liệu huấn luyện mô hình được tập trung nơi máy chủ, do đó, không tận dụng được dữ liệu chia sẻ đa dạng từ nhiều nguồn. Kết quả là tính tổng quát hóa của mô hình thu được có thể bị hạn chế. Học liên kết là phương pháp học với dữ liệu huấn luyện từ nhiều ngun, và vì thế, nó có nhiều ưu điểm so với các mô hình học khác. Mô hình học liên kết có thể được áp dụng cho nhiều dạng dữ liệu và nhiều thuật toán máy học khác nhau. Bên cạnh độ tổng quát hóa cao, mô hình học liên kết còn đảm bảo tính riêng tư cho tập dữ liệu huấn luyện. Bài báo này, đề xuất mô hình học liên kết cải tiến đảm bảo tính riêng tư dựa trên mô hình học liên kết. Kết quả thử nghiệm cho thấy tính khả thi có thể áp dụng vào các bài toán sử dụng học máy trong thực tế, đồng thời cũng mở ra những những thách thức tiếp tục nghiên cứu, cải tiến.

 


Từ khóa


đảm bảo tính riêng tư dữ liệu; mô hình liên kết; phân tích dữ liệu đảm bảo tính riêng tư; đảm bảo tính riêng tư với mô hình liên k

Toàn văn:

PDF

Trích dẫn


Cenk Bircanoğlu, & Nafiz Arıca (2018). A comparison of activation functions in artificial neural networks, Bahcesehir Universitesi, Istanbul, TR.

Fanglin Li, Bin Wu, Liutong Xu, Chuan Shi, & Jing Shi (2014). A fast distributed stochastic Gradient Descent Algorithm for Matrix Factorization, Beijing Key Lab of Intelligent Telecommunication Software and Multimedia.

Jakub Konecny, H. Brendan McMahan, & Daniel Ramage (2016). Federated Optimization: Distributed Machine Learning for On-Device Intelligence, University of Edinburgh.

McMahan, Daniel Ramage (2017). Federated Learning: Collaborative Machine Learning without Centralized Training Data.

Brendan McMahan, Eider Moore, Daniel Ramage, Seth Hampson, Blaise Aguera y Arcas (2017). Communication-efficient learning of deep networks from decentralized data, Google, Inc., 651 N 34th St., Seattle, WA 98103 USA.

Saad Albawi, Tareq Abed Mohammed, & Saad Al-Zawi (2017). Understanding of a convolutional neural network, Department of Computer Engineering, Istanbul Kemerburgaz University, Istanbul, Turkey.

Siddharth Sharma, & Simone Sharma (2020). Activation functions in neural networks, Dept. of Computer Science and Engineering, Global Institute of Technology, Jaipur.


Tình trạng

  • Danh sách trống