凤凰最新网站-凤凰彩票最新网站星云Clustar论文解读《联邦学习下的安全矩阵分解

  • 时间:
  • 浏览:1
  • 来源:大发6合-大发6合官方

  随着人工智能时代的到来,大数据是人工智能产业化中不可或缺的基石。然而,我就们目前正面临着数据隐私和数据孤岛这两方面的问题,这了AI智能产业化的发展。

  在数据隐私方面,重视数据隐私和安全已成为世界性的趋势,去年5月欧盟“数据隐私条例”(General Data Protection Regulation,PR)即是对人工智能传统的数据外理模式提出了新的挑战。加进进人工智能训练时所还要的数据会涉及到之后我 领域,不同的公司之间,甚至是同三个 多多 公司的不同部门之间数据无法流通,这就形成了三个 多多 个“数据孤岛”。

  要怎样在满足数据隐私、安全和监管要求的前提下,我就工智能系统并能更加高效、准确的共同使用每该人的数据,是当前人工智能发展的三个 多多 重要课题。联邦学习(Federated Learning)是某种新兴的人工智能基础技术,在 2016 年由谷歌最先提出;此后,国际人工智能专家、微众银行首席人工智能官杨强教授的带领下首次提出了“联邦迁移学习”,并通过领衔联邦学习国际标准(IEEE标准)制定、开源自研联邦学习框架Federated AI Technology Enabler(简称FATE)等来推动联邦学习技术在行业中的落地。FATE是全球首个工业级别联邦学习框架,并能让企业和机构在数据安全和数据隐私的前提下进行AI战略合作。那些举措让联邦学习有望成为下一代人工智能协同算法和战略合作网络的基础。

  在本文中,星云Clustar团队提出了三个 多多 名为FedMF的联邦学习下的安全矩阵分解框架,并使用真实的数据集进行测试,测试结果验证了FedMF的可行性。此外,星云Clustar的团队还讨论了FedMF在未来研究中应用的挑战。本文第一作者为科技大学计算机博士在读、星云Clustar算法工程师柴迪;大学助理教授、博士导师、星云Clustar首席AI科学家业(按姓氏拼音排序);第二作者为科技大学教授、星云Clustar创始人陈凯;第三作者为科技大学教授、微众银行首席人工智能官杨强。本文已发表在IJCAI 2019 Federated Machine Learning Workshop,IJCAI国际人工智能联合会议是全球人工智能领域最权威的学术会议。以下是由星云Clustar团队带来的《Secure Federated Matrix Factorization 》论文解读:

  本文围绕6个带宽来讲述这篇论文,研究意义、先行概念、分布式矩阵分解、联邦矩阵分解、实验评估结果、下一步研究方向。

  以General Data Protection Regulation为代表,开始英文英文出台各类规章和法律条文,用来加强对隐私性数据的力度,学院机构以及工业企业也之后 开始英文英文关注隐私机器学习类式 技术领域。目前推荐系统是三个 多多 广受关注的研究课题,矩阵分解是常见的技术手段。然而,传统的矩阵分解推荐系统,会泄漏用户的评分信息、社会形态向量,可能我就们会我实在泄漏这某种信息不重要,之后 通过这某种信息,恶意者并能进行inference attack,也之后我从这某种信息推断用户的性别、年龄、住址,而中间的那些信息都属于非常隐私的数据。

  目前针对类式问题,主要有2中外理方案:Obfuscation-based和Full-Homomorphic encryption-based。前者主要采用的法律法律依据是通过将用户的原始偏好数据进行混淆后,再发送到中央服务器,以实现某种程度上的隐私。显而易见的是,类式 方原应预测精度的损失。为了预测精度,Full-Homomorphic encryption-based法律法律依据引入了三个 多多 第三方的私密服务提供商,然而类式 方增大系统实现难度,共同类式私密服务提供商的可靠性难以保障,一旦我就们与推荐服务节点占据 不正当战略合作关系,那对用户来说,任何信息都毫无隐私可言。先行概念

  在正式介绍我就们的法律法律依据前,首先还要了解三个 多多 概念:Horizontal Federated Learning:用户的社会形态空间相同,然而用户群体不同。类式问题下,我就们一般,用户是诚实的,系统的目标是用户的隐私,免于受到诚实但好奇的服务器的。Homomorphic Encryption:某种仅享有数据外理权,但不具备数据访问权的法律法律依据。换句话说,类式 法律法律依据允许任何第三方对可能加密过的数据进行运算,而不并能在运算前对数据进行解密。

  在矩阵分解推荐系统中,我就们通常会拿到三个 多多 稀缺的用户评分矩阵 X,而我就们的任务是通过计算出user profile 矩阵U和item profile矩阵V,来将X中的空缺信息补全。一般来说,S(Stochastic Gradient Descent,随机梯度下降)是用来外理矩阵分解的主流法律法律依据。具体loss function和updating formula的定义如图所示。

  显而易见的,要我用户的隐私,之后我将服务器与用户的数据进行隔离,外理服务器对用户数据的直接访问,之后我 我就们希望用户并能把每该人的数据保留在本地。基于此,我就们设计了三个 多多 分布式的矩阵分解系统,在类式 系统中,所有的评分数据都掌握在用户转过身。三个 多多 全局的item profile矩阵为所有用户提供三个 多多 本地的update,共同用户可能把gradient传回给服务器,用来更新item profile。总结来说,服务器只会收到用户的gradient,不会收到用户的任何评分信息。找不到 看来,我就们的任务目标就实现了,之后 让我就们再思考三个 多多 问题,传输gradient就真的能保障用户隐私哪天?

  可能已知任意三个 多多 连续step的gradients,已知user profile的更新公式,我就们并能求得三个 多多 多元高阶方程组7、8、9。求解类式 方程组的过程复杂,我就们在这里不对求解过程做太满描述,仅仅把结果展示在途中。在等式24中,u是唯一的未知量,之后 我就们已知u一定占据 三个 多多 实数解。我就们并能利用一些迭代法律法律依据(比如牛顿法)来求得三个 多多 数值解。当我就们算出u,评分信息r就并能利用等式25求解出来。总结来说,我就们之后 证明了在矩阵分解场景下,gradient会泄漏用户的信息。找不到我就们又该为社 外理类式 问题呢?联邦矩阵分解

  我就们的外理方案是对系统中加入homomorphic encryption,也之后我联邦矩阵分解系统。假设用户和服务器可能实现了对密钥的生成和收集,其中服务器拥有公钥,用户拥有彼此相同的私钥,找不到整个系统就并能分为三个 多多 步骤:

  第一步,对参数进行初始化,参数包括item profile矩阵和user profile矩阵,与此共同服务器对item profile使用公钥进行加密;第二步,服务器提供加密后的item profile矩阵,供所有的用户来进行下载;第三步,用户进行本地的update,类式 步中并能拆分成若干个环节:用户首先下载加密后的item profile矩阵,并将其解密成三个 多多 plaintext V,之后 用户会进行本地的update并计算gradient,最后用户会对gradient进行加密之后 将ciphertext发给服务器;接下来让我就们回到整体的架构,在第四步,服务器在接收到加密后的gradient之后 ,会根据附加的homomorphic encryption对item profile矩阵进行更新,请注意,服务器会提供给用户最新一次加密后的item profile用作下载,此时我就们就还要再一次回到第二步。整个系统通过重复第二、三、四步,会实现整个训练过程。

  一般来说,用户的评价信息由三个 多多 系数矩阵右眼皮跳测吉凶组成,这也就原应三个 多多 用户的评价我我实在常有限的。之后 ,三个 多多 不同的设置在我就们的系统中是implemented。类式 个多多 设置会遵循系统的各个环节然而会在用户的上传环节由些许的不同。其中某种设置叫做fulltext,在类式 设置中,用户会对所有的item还要上传gradient,当用户对某三个 多多 item不做出评价时,gradient为0;另外某种设置叫做parttext,用户只会将评价后的item的gradient进行上传。这某种法律法律依据有利有弊,parttext会泄漏那些item是用户打过分的,共同在计算带宽上表现更好,而fulltext不会泄漏用户的信息,之后 会还要更多的计算耗时。实验评估结果

  为了测试我就们设计的系统的可行性,我就们使用了三个 多多 MovieLens上三个 多多 真实的电影评分数据集,类式 数据集包括了5000K个评分信息,由610个用户对972三个 多多 电影的打分组成。类式 数据集也被用于之后我 一些的矩阵分解研究工作中。在图中的参数配置下,表1显示了每次迭代过程中,使用parttext法律法律依据和fulltext法律法律依据的耗时(一次迭代,是指所有610名用户上传的gradient被用来更新一次item profile矩阵)。无论是parttext还是fulltext,当item数量还要之后我 时,这某种法律法律依据的耗时都比较少,共同我就们并能观察到,耗还要随着item数量的增加而增长。与fulltext相比,parttext会占用更少的时间,然而parttext会泄漏一要素信息。值得一提的是,parttext会比fulltext提升了20倍的带宽。为了验证我就们的系统不任何准确度,我就们在三个 多多 小规模的数据集上做了一系列实验。我就们采用RMSE来作为度量指标,参考图4和表2,标准矩阵分解跟生邦矩阵分解的评估结果常相近的,区别不够0.3%。找不到小的区别是可能在联邦矩阵分解中,为了复杂implementation,服务器会对itemvector进行更新,仅当所有的用户都上传了我就们的gradient。在一般的矩阵分解中,服务器会更新itemvector当任何用户提供了gradient。可能那些设置都相同励志的话 ,评估结果就会完整一致。

  图2和3显示了随着item数量的变化,用户和服务器的更新时间的比例的变化。从图可见,约95%的时间用于了服务器的更新,这就原应可能我就们增加了服务器的算力,可能提升homomorphic encryption法律法律依据,以降低密文计算的复杂度,则计算带宽会有显著提升。这之后我我就们下一步要做的主要工作。

  最后,想和我就们介绍一下我就们未来研究工作的三个 主要方向:更加有效的homomorphic encryption。如上文提到的,约95%的时间都花在服务器update上,其中计算主要用于密文。可能我就们并能提升homomorphic encryption的带宽,我就们的系统表现会大幅提升。在fulltext和parttext中。实验可能显示parttext比fulltext带宽更高,之后 parttext会用户对那些item进行了评分。类式 信息,即使找不到确切的评分,可能依旧会泄漏用户信息[Yang et al., 2016]。或许我就们并能要求用户上传更多的gradient,而不仅仅是评分后的items,但还要完整的items,找不到 做并能相比较fulltext增加系统带宽,共同不会泄漏评分的item。更多安全定义。目前我就们用了经典的horizontal联邦学习安全定义,类式 定义架设了参与方的诚实性,以及服务器的honest-but-curious。接下来我就们并能去探索更具挑战的安全定义,比如要怎样去建立三个 多多 安全的系统以应对honest-but-curious的服务器,共同有一些用户是恶意的,甚至有一些参与方会与server联合谋策。以上之后我本篇论文的主要内容,感谢您的阅读。返回搜狐,查看更多