شبکه‌های عصبی عمیق حافظ حریم خصوصی

چکیده:
امروزه در میان الگوریتم‌های مختلف یادگیری ماشین، شبکه‌های عصبی در حالی که به منظور افزایش دقت در مدل کردن و دسته بندی داده‌های با انتزاع بالا، بر عمق آنها افزوده می شود، بیش از سایر الگوریتم‌ها مورد توجه بوده و در کاربردهای مختلف مورد استفاده قرار می‌گیرند. با این وجود، توسعه آنها خطرات احتمالی حفظ حریم خصوصی را نیز به دنبال دارد. این موضوع به حدی حائز اهمیت است که محققان شرکت‌های بزرگی چون مایکروسافت را بر آن داشته است که برای آن چارچوبی ارائه دهند. ایده اصلی این است که شبکه‌های عصبی را با روش‌های رمزنگاری همومورفیک ترکیب کرده که علاوه بر حفظ حریم خصوصی داده‌ها، دقت و کارایی پردازش هم تضمین شود. چنین راه حلی برای اجرای الگوریتم‌های شبکه‌های عصبی عمیق روی داده‌های رمزگذاری شده، به طرفین (فراهم کننده/ دریافت کننده) خدمات امکان می‌دهد بدون نیاز به افشای داده‌ها، خدمات خود را ارائه / دریافت دارند. آخرین پیشرفت‌ها در رمزنگاری همومورفیک ، انجام مجموعه‌ای محدود از عملیات را بر روی داده‌های رمزگذاری شده ممکن می‌سازد. در این سخنرانی، ابتدا به بررسی نیاز به حفظ حریم خصوصی در عمل پیش‌بینی توسط شبکه‌های عصبی عمیق پرداخته می‌شود. سپس، مشکلات و محدودیت‌های فناوری‌های لازم برای نیل به این هدف مورد بررسی قرار می‌گیرد. در ادامه، انواع روش‌های بکارگرفته شده در این راستا و نقایص و مشکلات آنها معرفی می‌گردند. آشنایی با زمینه‌های پژوهشی پیرامون استفاده از تکنیک‌های رمزنگاری برای ایجاد حریم امن خصوصی در فرآیند استنتاج شبکه‌های عصبی، هدف اصلی این سخنرانی است. لذا، شرکت در این سمینار به علاقمندان معماری ماشین‌های یادگیری و مخصوصاً دانشجویان مقاطع ارشد و دکتری که مایل به تحقیق و پژوهش در این زمینه هستند، پیشنهاد می‌شود.