基于自适应差异隐私机制的加密尖端神经网络
Xiwen Luo1,2, Qiang Fu1,2, Junxiu Liu1,2
1Guangxi Key Lab of Brain-Inspired Computing and Intelligent Chips, School of Electronic and Information Engineering, Guangxi Normal University, Guilin 541004, China.
Entropy (Basel, Switzerland)
|April 26, 2025
概括
适应差分私有尖端神经网络 (ADPSNN) 动态调整隐私预算,以提高效率和个人隐私. 这种方法可以提高图像分类任务的准确性,使用各种尖端神经元模型.
科学领域:
- 人工智能的人工智能
- 机器学习 机器学习
- 计算神经科学是一种神经科学.
背景情况:
- 尖端神经网络 (SNN) 提供了高性能,但面临着差异隐私 (DP) 协议的挑战.
- 在SNN中,DP经常引入统一的噪音,可能会损害模型效率和用户隐私之间的平衡.
研究的目的:
- 引入自适应差异私人SNN (ADPSNN) 进行动态隐私预算调整.
- 改善SNN中模型实用性和个人隐私之间的权衡.
主要方法:
- ADPSNN根据输出峰值和标签相关性动态调整隐私预算.
- 根据调整的隐私预算,噪声应用于梯度参数.
- 在MNIST,时尚-MNIST,CIFAR10和CIFAR100数据集上使用泄漏的整合与火 (LIF) 和整合与火 (IF) 神经元模型进行测试.
主要成果:
- 在MNIST上,LIF神经元达到99.56%的精度,在Fashion-MNIST上达到92.26%的精度.
- 如果神经元在CIFAR10上达到90.67%的精度,在CIFAR100上达到66.10%.
- 与现有方法相比,ADPSNN提高了0.09%至3.1%的精度.
结论:
- ADPSNN为保护隐私的SNNs提供了一种优越的方法.
- 神经元模型 (LIF或IF) 的选择会影响不同数据集的性能.
- ADPSNN在图像分类,医疗保健和智能驾驶领域的应用方面表现有前途.
