omnispace的博客

在机器学习的许多应用中，例如用于医疗诊断的机器学习，我们希望具有机器学习算法，其不记住关于训练集的敏感信息，诸如个体患者的特定医疗历史。 差分隐私是衡量算法提供的隐私保证的框架。 通过差异隐私的镜头，我们可以设计机器学习算法，负责在私人数据上训练模型。 我们的作品（包括MartínAbadi，ÚlfarErlingsson，Ilya Mironov，Ananth Raghunathan，Shua...

在我们的第二篇文章中 ，我们给出了一些背景解释为什么攻击机器学习通常比维护它更容易。 我们看到了一些原因，为什么我们还没有完全有效的防范敌对的例子，我们猜测我们是否能够期待这样的防御。 在这篇文章中，我们探讨了一个机器学习模型能够拥有的保证类型 。 我们认为，现有防御的局限性表明缺乏对机器学习模型的验证。 事实上，为了设计可靠的系统，工程师通常参与测试和验证： 通过测试 ，我们的意思是在几种条...

采用机器学习模式需要数据。 我们越多越好。 但是，数据并不便宜，更重要的是，数据可能包含敏感的个人信息。以新法律形式作为GDPR以及提高用户和公民对其数据价值的认识的最新隐私发展正在产生对实施更多隐私的技术的需求虽然匿名技术可以极大地帮助解决隐私问题，但所有数据都被发送到中央位置以训练机器学习模型的事实始终是担心的动机该项目证明了如何使用Android应用程序作为边缘设备来设置基本的联合学习环境代...

TL; DR：我们采用典型的CNN深度学习模式，并通过一系列步骤，使训练和预测都能够在加密数据上完成。使用深度学习通过卷积神经网络 （CNN）分析图像在过去的几年中获得了巨大的普及，因为它们在这项工作和相关任务上取得了很多其他方法的成功。最近的一个应用程序采取了皮肤癌检测的形式，任何人都可以使用手机应用程序快速拍摄皮肤损伤照片，并使用“与专家相媲美的性能”进行分析（请参阅相关视频以了解演示）。 获...

TL; DR：使用TensorFlow作为数据流程序的分布式计算框架，我们通过联网实现了SPDZ协议的全面实施，从而实现了对加密数据的优化机器学习。与之前我们关注安全计算背后的概念以及潜在的应用程序不同 ，我们在这里构建了一个完全正常工作（被动安全）的实现，其中运行在不同机器上的玩家以及通过典型网络堆栈进行通信。 作为其中的一部分，我们研究了在实验安全计算时使用现代分布式计算平台的好处，而不是从头...

上周，摩根大通为区块链技术的主流企业采用做出了重要贡献，并为Quorum堆栈增加了新的隐私功能。几乎从一开始，Quorum就通过私有交易和网络级访问控制等功能的支持，明确了其对隐私的承诺。新的隐私功能可以利用大多数人从未听说过的协议的扩展来创建机密支付：Zether。Quorum团队开发了一个名为Anonymous Zether的Zether协议的狡猾扩展，除了交易本身的细节（可以用普通的Zeth...