AF：小型：协作澳门威尼斯人注册网站研究：学习算法和安全计算的新表示

赞助单位：美国国家科学基金会

奖励编号：CCF-1908111

PI：弗朗西斯科·奥拉博纳

最近机器学习的成功部分归功于用于训练和测试目的的大型数据集的可用性。然而，训练过程是计算密集型的，收集的数据集通常是隐私敏感的。这导致了机器学习即服务（MLaaS）的出现，数据提供商将数据存储在云中，客户通过云购买经过训练的模型或预测。这是一个很有吸引力的解决方案，但是它要求数据提供者信任云。一个受损的云可能会使大量人口的隐私处于危险之中。针对此问题的现有加密解决方案修改了MLaaS的底层模型，而不是专门为机器学习任务量身定制的。因此，有必要开发安全的机器学习程序，全面考虑密码学和机器学习方面。该项目采用了这样一种整体方法，重点关注两个主要方向：设计更加加密友好的机器学习算法和专门用于机器学习算法的云安全计算的新协议。因此，由于跨学科的方法，机器学习和密码学澳门威尼斯人注册网站研究的最新技术都将得到发展。该项目将支持和促进来自代表性不足群体的学生参与澳门威尼斯人注册网站研究。

该项目有两个主要方向：近线性机器学习组件和基于MLaaS拓扑的安全计算。对于第一个澳门威尼斯人注册网站研究目标，澳门威尼斯人注册网站研究人员团队的目标是寻找新的学习算法表示，使非线性操作最小化，这对加密算法来说是昂贵的。特别是，该项目将专注于关键机器学习组件的新设计：激活和损失函数的随机近似，可以减少训练和/或测试期间的非线性操作数量。这将直接减少安全计算过程中产生的计算开销。除了深入开发这些设计原则外，该项目还将探索深度学习的某些非线性组件的并行化技术，以通过批处理进一步摊销加密开销。与此同时，其目的将是保留修改后的机器学习算法的保证。第二个澳门威尼斯人注册网站研究方向是安全多方计算（MPC）的概念。安全的MPC协议是一种通用方法，它允许两个或多个互不信任的方在其私有输入上计算任何函数，这样每一方都不会知道超出其预期输出的任何东西。传统的MPC协议是为与MLaaS拓扑结构大不相同的网络拓扑结构设计的。因此，新的MPC协议将被设计出来，以轻松满足机器学习框架（如MLaaS）的特定需求。这些结果将通过开发两种新的安全计算技术来实现。第一种技术将开发一种多密钥同态加密方案，该方案同时是一种分散的基于属性的加密。第二种技术将开发一种新的方法来扩展遗忘传输的简洁协议。这些技术的成功发展也将直接推动同态加密和安全计算协议的发展。

更多信息请点击这里