Private and Secure Distributed Deep Learning: A Survey
Rattachement africain : nl. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Traditionally, deep learning practitioners would bring data into a central repository for model training and inference. Recent developments in distributed learning, such as federated learning and deep learning as a service (DLaaS), do not require centralized data and instead push computing to where the distributed datasets reside. These decentralized training schemes, however, introduce additional security and privacy challenges. This survey first structures the field of distributed learning into two main paradigms and then provides an overview of the recently published protective measures for each. This work highlights both secure training methods as well as private inference measures. Our analyses show that recent publications, while being highly dependent on the problem definition, report progress in terms of security, privacy, and efficiency. Nevertheless, we also identify several current issues within the private and secure distributed deep learning (PSDDL) field that require more research. We discuss these issues and provide a general overview of how they might be resolved.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Private and Secure Distributed Deep Learning: A Survey
- Date Crossref
- 09/12/2024
- Éditeur
- Association for Computing Machinery (ACM)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
St. Antonius Ziekenhuis pays non établi dans la noticeOrganisme public
-
Vrije Universiteit Amsterdam pays non établi dans la noticeUniversité ou école supérieure
-
University of Amsterdam pays non établi dans la noticeUniversité ou école supérieure
-
Royal Holland Society of Sciences and Humanities pays non établi dans la noticeInstitution
-
Philips (Netherlands) pays non établi dans la noticeEntreprise
-
Universiteit van Amsterdam FNWI pays non établi dans la noticeUniversité ou école supérieure
-
Koninklijke Luchtvaart Maatschappij pays non établi dans la noticeInstitution
-
Philips Research pays non établi dans la noticeInstitution
St. Antonius Ziekenhuis, Vrije Universiteit Amsterdam et University of Amsterdam, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.