文献类型：期刊文章

作　　者：谭作文[1] 张连福[1]

TAN Zuo-Wen;ZHANG Lian-Fu(Department of Computer Science and Technology,School of Information Managemen,Jiangxi University of Finance and Economics,Nanchang 330013,China)

机构地区：[1]江西财经大学信息管理学院计算机科学与技术系,江西南昌330013

出　　处：《软件学报》

基　　金：国家自然科学基金(61862028,61702238);江西省自然科学基金(20181BAB202016);江西省教育厅科技项目(GJJ160430);江西省教育厅青年科技项目(GJJ180288)。

年　　份：2020

卷　　号：31

期　　号：7

起止页码：2127-2156

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、MR、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：机器学习已成为大数据、物联网和云计算等领域的核心技术.机器学习模型训练需要大量数据,这些数据通常通过众包方式收集,其中含有大量隐私数据,包括个人身份信息(如电话号码、身份证号等)、敏感信息(如金融财务、医疗健康等信息).如何低成本且高效地保护这些数据是一个重要的问题.介绍了机器学习及其隐私定义和隐私威胁,重点对机器学习隐私保护主流技术的工作原理和突出特点进行了阐述,并分别按照差分隐私、同态加密和安全多方计算等机制对机器学习隐私保护领域的研究成果进行了综述.在此基础上,对比分析了机器学习不同隐私保护机制的主要优缺点.最后,对机器学习隐私保护的发展趋势进行展望,并提出该领域未来可能的研究方向.

关 键 词：机器学习  隐私保护 差分隐私  同态加密 安全多方计算

分 类 号：TP181]