지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.2
- 수록면
- 308 - 311 (4page)
- DOI
- 10.7840/kics.2024.49.2.308
이용수
초록· 키워드
오류제보하기
본 논문에서는 무선통신 기반 연합 학습의 보안 취약점을 극복하는 차등 정보보호 기법에 관한 연구를 수행한다. 특히, 차등 정보보호 기법을 다중 안테나 무선통신의 관점에서 바라보고, 차등 정보보호 기법을 사용했을 때 발생하는 추론 정확도 감소를 최소화하는 빔 형성 기법을 제시한다. 또한, 제안하는 빔 형성 기법을 활용했을 때, 차등 정보보호를 보장하기 위한 전력 할당 기법을 제시하였다. 모의 실험을 통해 제안하는 기법이 연합 학습의 추론 성능 감소를 효과적으로 극복할 수 있음을 확인하였다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 시스템 모델
Ⅲ. 제안하는 기법
Ⅳ. 모의실험
Ⅴ. 결론
References
참고문헌 (6)
참고문헌 신청
H. B. McMahan, E. Moore, D. Ramage, S. Hampson, and B. A. Arcas, “Communication-efficient learning of deep networks from decentralized data,” in Proc. AISTATS 2017, pp. 1-11, Fort Lauderdale, FL, USA, Apr. 2017. (https://doi.org/10.48550/arXiv.1602.05629)
J. Geiping, H. Bauermeister, H. Dröge, and M. Moeller, “Inverting Gradients - How easy is it to break privacy in federated learning?,” in Proc. NeurIPS 2020, pp. 1-11, Vancouver, Canada, Dec. 2020. (https://doi.org/10.48550/arXiv.2003.14053)
M. Abadi, A. Chu, I. Goodfellow, H. B. McMahan, I. Mironov, K. Talwar, and L. Zhang, “Deep Learning with Differential Privacy,” in Proc. CCS 2016, pp. 308-318, New York, NY, USA, Oct. 2016. (https://doi.org/10.1145/2976749.2978318)
K. Wei, J. Li, M. Ding, C. Ma, H. H. Yang, F. Farokhi, S. Jin, T. Q. S. Quek, and H. Vincent Poor, “Federated learning with differential privacy: Algorithms and performance analysis,” IEEE Trans. Inf. Forensics Secur., vol. 15, pp. 3454-3469, Apr. 2020. (https://doi.org/10.1109/TIFS.2020.2988575)
J. Liao, Z. Chen, and E. G. Larsson, “Over-the-air federated learning with privacy protection via correlated additive perturbations,” in Proc. Allerton 2022, pp. 1-8, Monticello, IL, USA, Sep. 2022. (https://doi.org/10.1109/Allerton49937.2022.9929413)
J. Geiping, H. Bauermeister, H. Dröge, and M. Moeller, “Inverting Gradients - How easy is it to break privacy in federated learning?,” in Proc. NeurIPS 2020, pp. 1-11, Vancouver, Canada, Dec. 2020. (https://doi.org/10.48550/arXiv.2003.14053)
M. Abadi, A. Chu, I. Goodfellow, H. B. McMahan, I. Mironov, K. Talwar, and L. Zhang, “Deep Learning with Differential Privacy,” in Proc. CCS 2016, pp. 308-318, New York, NY, USA, Oct. 2016. (https://doi.org/10.1145/2976749.2978318)
K. Wei, J. Li, M. Ding, C. Ma, H. H. Yang, F. Farokhi, S. Jin, T. Q. S. Quek, and H. Vincent Poor, “Federated learning with differential privacy: Algorithms and performance analysis,” IEEE Trans. Inf. Forensics Secur., vol. 15, pp. 3454-3469, Apr. 2020. (https://doi.org/10.1109/TIFS.2020.2988575)
J. Liao, Z. Chen, and E. G. Larsson, “Over-the-air federated learning with privacy protection via correlated additive perturbations,” in Proc. Allerton 2022, pp. 1-8, Monticello, IL, USA, Sep. 2022. (https://doi.org/10.1109/Allerton49937.2022.9929413)
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0