您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202003-287
论文题目 粒子群算法在抵御成员推理攻击中的应用
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

粒子群算法在抵御成员推理攻击中的应用

首发时间:2020-03-25

陈健 1   

陈健(1994-),男,硕士研究生,人工智能安全

伍淳华 1   

伍淳华,女,讲师,网络安全、大数据分析

  • 1、北京邮电大学网络空间安全学院,北京 100876

摘要:近来,随着大数据和机器学习技术的不断普及和发展,训练数据的隐私泄露问题日益严重。成员推理攻击在只能调用模型的API而无法获得其内部结构和参数的情况下,给定一条数据,可以判断其是否在模型的训练数据集中。为抵御此攻击,本文从数据出发,在充分研究分析了其攻击特性的基础上,借鉴粒子群算法的迁移形式,提出了粒子群样本迁移算法,从原始数据集生成新数据集,用新数据集训练模型,使得模型不直接接触原始数据,从而实现了对数据隐私的保护。在MNIST数据集上,本文的方法在可控的精度损失(3%)下很好地抵御了成员推理攻击。

关键词: 机器学习 隐私保护 成员推理攻击 粒子群算法

For information in English, please click here

Application of particle swarm algorithm in defending membership inference attack

Chen Jian 1   

陈健(1994-),男,硕士研究生,人工智能安全

Wu Chunhua 1   

伍淳华,女,讲师,网络安全、大数据分析

  • 1、School of Cyberspace Security,Beijing University of Posts and Telecommunications,beijing

Abstract:Recently, with the continuous popularization and development of big data and machine learning technologies, the privacy leakage problem of training data is becoming increasingly serious. In the case that can only call the model\'s API without obtaining its internal structure and parameters, given a piece of data, membership inference attackcan determine whether it is in the model\'s training data set. In order to resist this attack, based on a full study and analysis of its attack characteristics, this paper draws on the particle swarm algorithm migration form, and proposes a particle swarm sample migration algorithm to generate a new data set from the original data set. Then trainng model with the new data set, so that the model does not directly contact the original data, thereby achieving the protection of data privacy. On the MNIST dataset, the method in this paper resists membership inference attack well with a controlled loss of accuracy (3%).

Keywords: Machinelearning Privacy protection membership inference attack Particle swarm optimization

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
陈健,伍淳华. 粒子群算法在抵御成员推理攻击中的应用[EB/OL]. 北京:中国科技论文在线 [2020-03-25]. http://www.paper.edu.cn/releasepaper/content/202003-287.

No.****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

粒子群算法在抵御成员推理攻击中的应用