論文學習記錄20200313：隱私保護機器學習[NDSS2020]

機器學習工具已經展示了它們在醫療和金融等許多重要領域的潛力，有助於得出有用的推論。在這些部門，數據的敏感和保密性質自然引起對數據隱私的關注。這促使了隱私保護機器學習（PPML）領域的數據隱私得到保證。通常，ML技術需要很大的計算能力，這導致基礎設施有限的客戶機依賴於安全外包計算（SOC）方法。在SOC環境下，計算外包給一組專門的、功能強大的雲服務器，服務按使用付費。在這項工作中，我們探索了在SOC

>>阅读原文<<