![](/images/graphics-bg.png)
Robust Fully Distributed Minibatch Gradient Descent with Privacy Preservation
المؤلفون المشاركون
Danner, Gábor
Berta, Árpád
Hegedűs, István
Jelasity, Márk
المصدر
Security and Communication Networks
العدد
المجلد 2018، العدد 2018 (31 ديسمبر/كانون الأول 2018)، ص ص. 1-15، 15ص.
الناشر
Hindawi Publishing Corporation
تاريخ النشر
2018-05-14
دولة النشر
مصر
عدد الصفحات
15
التخصصات الرئيسية
تكنولوجيا المعلومات وعلم الحاسوب
الملخص EN
Privacy and security are among the highest priorities in data mining approaches over data collected from mobile devices.
Fully distributed machine learning is a promising direction in this context.
However, it is a hard problem to design protocols that are efficient yet provide sufficient levels of privacy and security.
In fully distributed environments, secure multiparty computation (MPC) is often applied to solve these problems.
However, in our dynamic and unreliable application domain, known MPC algorithms are not scalable or not robust enough.
We propose a light-weight protocol to quickly and securely compute the sum query over a subset of participants assuming a semihonest adversary.
During the computation the participants learn no individual values.
We apply this protocol to efficiently calculate the sum of gradients as part of a fully distributed minibatch stochastic gradient descent algorithm.
The protocol achieves scalability and robustness by exploiting the fact that in this application domain a “quick and dirty” sum computation is acceptable.
We utilize the Paillier homomorphic cryptosystem as part of our solution combined with extreme lossy gradient compression to make the cost of the cryptographic algorithms affordable.
We demonstrate both theoretically and experimentally, based on churn statistics from a real smartphone trace, that the protocol is indeed practically viable.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Danner, Gábor& Berta, Árpád& Hegedűs, István& Jelasity, Márk. 2018. Robust Fully Distributed Minibatch Gradient Descent with Privacy Preservation. Security and Communication Networks،Vol. 2018, no. 2018, pp.1-15.
https://search.emarefa.net/detail/BIM-1214305
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Danner, Gábor…[et al.]. Robust Fully Distributed Minibatch Gradient Descent with Privacy Preservation. Security and Communication Networks No. 2018 (2018), pp.1-15.
https://search.emarefa.net/detail/BIM-1214305
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Danner, Gábor& Berta, Árpád& Hegedűs, István& Jelasity, Márk. Robust Fully Distributed Minibatch Gradient Descent with Privacy Preservation. Security and Communication Networks. 2018. Vol. 2018, no. 2018, pp.1-15.
https://search.emarefa.net/detail/BIM-1214305
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references
رقم السجل
BIM-1214305
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)