为解决这个问题,在没有信任的服务的情况下,SoterOne设计了一种使用MPC-SS来学习模型的解决方案,同时确保数据的隐私性。该方案可以有效地抵抗诚实但好奇的对手。当所有数据都在同一个地方时,该方案可以达到与逻辑回归的简单非私有学习相同的精度,并且可以扩展到行业级的数据大小。
该解决方案涉及三个主要概念:逻辑回归、垂直联邦学习和秘密共享。逻辑回归是一种常用的监督机器学习算法,用于预测两类或两类以上的概率。垂直联邦学习常用于两个或多个数据所有者,他们希望在隐私保护的环境下共享数据来共同学习一个模型。秘密共享是将秘密分割成多个部分,并将一部分分配给每个参与方的方法。只有当足够多的参与方将各自的部分合并在一起时,才能重构秘密。
SoterOne致力于在隐私保护的道路上不断探索新的可能。如果想了解更多信息,请访问官网www.soterone.com。
本站所有软件信息均由用户上传发布,版权归原著所有。如有侵权/违规内容,敬请来信告知邮箱:764327034@qq.com,我们将及时撤销! 转载请注明出处:https://czxurui.com/zx/40488.html
发表回复
评论列表(0条)