通过轻量级安全算术计算实现隐私机器学习外包

研究者提出一种主动安全的协议，用于外包安全且私密的机器学习计算，支持双方在保护各自数据隐私的前提下用公开模型完成联合推理。论文指出，近期同类工作主要针对被动（半诚实）安全，面对可偏离协议的主动（恶意）参与方时安全性可能完全失效；该工作将基于神经网络的安全分类视为整数上的算术计算来处理，并在包括协同疾病预测网络在内的真实算术化神经网络计算上展示了协议效率。论文给出的动机场景是多家医院希望共享病历以改进诊断和疾病预测，但因隐私顾虑无法明文共享数据。