CryptoTrain:在加密数据集上快速安全训练
原文中文,约300字,阅读约需1分钟。发表于: 。本文针对传统安全训练中存在的训练开销问题,提出了一种新的混合加密协议CryptoTrain-B,结合完全同态加密和不可知转移,消除了繁重的重加密需求。利用CCMul-预计算技术和相关多项式卷积,CryptoTrain显著降低了训练时间,实验表明其训练时间比以前的方法减少了约5.3倍,具有重要的实际应用前景。
本文研究了同态加密在机器学习中的应用,重点是保护数据和模型参数的安全。基于CKKS算法,提出了一种机器学习即服务机制,并在MNIST数据集上进行测试。结果表明,设计参数对正确性、安全性和计算时间有重要影响,密文打包策略和多线程并行化也影响推理的效率和延迟。