题目:Secure Distributed Sparse Gaussian Process Models Using Multi-Key Homomorphic Encryption
作者:Nawaz,Adil;Chen,Guopeng;Raza,MuhammadUmair;Iqbal,Zahid;李坚强;Leung,VictorC.M.;陈杰
会议:AAAI Conference on Artificial Intelligence 2024
级别:CCF-A类
引用格式:Nawaz A, Chen G, Raza M U, et al. Secure Distributed Sparse Gaussian Process Models Using Multi-Key Homomorphic Encryption[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2024, 38(13): 14431-14439.
简介:
分布式稀疏高斯过程 (dGP) 模型能够以高效且可扩展的方式使用来自多个设备的数据实现准确的预测性能。然而,模型的分布式计算存在私有数据暴露给公众的风险。在本文中,我们提出了一种使用多密钥同态加密的 dGP 回归模型的安全解决方案。实验结果表明,在时间复杂度方面略有牺牲的情况下,我们实现了一个安全的 dGP 模型,与传统的非安全 dGP 模型相比,预测性能没有下降。我们还使用多个 Nvidia Jetson Nano 开发套件模块对所提模型进行了实际实现,以模拟真实场景。因此,安全的 dGP 模型解决了 dGP 的数据安全问题,并为多个设备提供了一种安全可靠的解决方案,使其能够在分布式环境中使用私有数据进行模型计算,从而实现 dGP 的速度、可扩展性和稳健性。