Jelenlegi hely
Kutatószeminárium
A teljesen elosztott gépi tanulásban fontos kérdés az adatvédelem.
A secure multiparty computation (MPC) módszerek erős garanciákat adnak, de a mi alkalmazásunkban nem skálázódnak eléggé, illetve nem elég robusztusak.
Javaslunk egy light-weight protokollt, mely semi-honest adversary-t feltételezve gyorsan és biztonságosan kiszámítja a résztvevők egy részhalmazának inputjának összegét.
A számítás során a résztvevők nem ismerik meg más résztvevők konkrét adatát.
Ez a protokoll felhasználható gradiensek összegének hatékony kiszámítására egy teljesen elosztott mini-batch sztochasztikus gradiens algoritmus keretében.
Az alkalmazásunkban a gyorsaság és robosztusság fontosabb, mint az összeg precíz kiszámítása, és ezt kihasználva válik a protokoll skálázhatóvá.
Elméletileg és kísérletileg vizsgáljuk a protokollt, valós okos-telefon rendelkezésre állási statisztikák alapján.
Továbbá levezetünk egy elégséges feltételt az egyéni adatok kiszivárgásának megakadályozására, és vizsgáljuk a protokoll költségét.