Hawk：使用安全查找表计算的精确且快速的隐私保护机器学习
原文约600字/词，阅读约需2分钟。发表于：。训练具有多个实体的机器学习模型，并且在没有直接数据共享的情况下，可以解决由于业务、法律或道德限制而受阻的应用。本文设计和实施了新的隐私保护机器学习协议，用于逻辑回归和神经网络模型。我们采用了两个服务器模型，在数据所有者之间进行数据密钥共享，由这两个服务器进行联合数据的模型训练和评估。现有方法中存在的低效和不准确的重要方法是使用 Yao...
本文介绍了一种新的隐私保护机器学习协议，用于训练多实体机器学习模型。该协议使用两个服务器模型进行数据密钥共享，并提出了一种计算非线性函数的新方法。同时，还提出了一种放宽安全措施的方法，以减少训练所需的计算资源。评估结果显示，该协议比现有方法更快且准确率更高。
