[
-
内容大纲
密态深度学习可以在不解密加密数据的前提下对授权用户提供深度学习服务，并可防止非授权用户对授权用户的数据进行窃取与利用。该技术突破了密态数据无法在非可信环境下被有效利用的技术瓶颈，实现了“安全学习，万物互联”。本书从大数据、人工智能面临的隐私挑战出发，以密态深度学习理论框架与技术方法研究为主线，从理论模型到实际应用，系统阐述了密态深度学习的理论与技术。密态深度学习能够随时随地对密态数据进行安全分析，充分利用加密信息资源，实现“服务在云端，信息随心行”的理想状态。
本书可为密码学、人工智能安全、大数据安全相关科研人员和企业研发人员提供参考，可以作为网络空间安全一级学科博士生、硕士生的重要参考书，也可以作为计算机相关专业高年级本科生的补充读物。 -
作者介绍
-
目录
第1章 绪论
1.1 大数据
1.1.1 引言
1.1.2 概念
1.1.3 发展与应用
1.1.4 大数据关键技术
1.2 数据挖掘
1.2.1 引言
1.2.2 概念
1.2.3 发展与应用
1.2.4 数据挖掘相关技术
1.3 人工智能
1.3.1 引言
1.3.2 概念
1.3.3 发展与应用
1.3.4 人工智能关键技术
1.4 数据安全与网络安全
1.4.1 引言
1.4.2 概念
1.4.3 面临的威胁
1.4.4 安全技术
1.5 数据挖掘面临的隐私问题
1.5.1 数据的过度采集
1.5.2 个人信息的滥用
1.5.3 数据的融合问题
1.6 人工智能面临的隐私问题
1.6.1 数据泄露带来的隐私风险
1.6.2 人工智能算法引发的隐私风险
1.6.3 人工智能的发展导致的安全威胁
1.6.4 模型提取攻击导致的安全威胁
1.7 本章小结
第2章 基础知识
2.1 深度学习
2.1.1 AdaBoost
2.1.2 XGBoost
2.1.3 联邦学习
2.1.4 全连接神经网络
2.1.5 深度神经网络
2.1.6 卷积神经网络
2.1.7 递归神经网络
2.2 同态加密
2.2.1 群、环、域
2.2.2 公钥密码体制的困难问题
2.2.3 加法同态Paillier算法
2.2.4 乘法同态RSA算法
2.2.5 全同态加密算法
2.3 基于安全多方计算的密态计算
2.3.1 基于秘密共享的密态计算
2.3.2 基于混淆电路的密态计算
2.4 基于可信执行环境的密态计算
2.5 差分隐私
2.6 本章小结
第3章 基于AdaBoost的密态计算
3.1 背景介绍
3.2 研究现状
3.3 问题描述
3.3.1 系统模型
3.3.2 攻击模型
3.4 基于秘密共享的安全协议
3.4.1 数据存储格式
3.4.2 指数的安全匹配
3.4.3 改进的安全自然指数协议
3.4.4 改进的安全自然对数协议
3.5 模型构造
3.5.1 AdaBoost的FSA
3.5.2 弱分类器的线性加法
3.5.3 多分类扩展
3.6 理论分析
3.6.1 POR的正确性分析
3.6.2 POR的安全性分析
3.7 性能评估
3.7.1 POR的性能
3.7.2 改进的安全自然指数协议和安全自然对数协议的性能
3.8 本章小结
第4章 联邦极端梯度增强的密态计算
4.1 背景介绍
4.2 研究现状
4.3 问题描述
4.3.1 系统模型
4.3.2 安全模型
4.4 模型构造
4.4.1 FEDXGB概述
4.4.2 SecAgg
4.4.3 SecBoost
4.4.4 SecFind
4.4.5 用户退出的鲁棒性
4.5 安全性分析
4.5.1 SecAgg的安全性
4.5.2 FEDXGB的安全性
4.6 性能评估
4.6.1 实验配置
4.6.2 FEDXGB性能评估
4.6.3 SecAgg效率分析
4.7 本章小结
第5章 隐私保护联邦K-means
5.1 背景介绍
5.2 研究现状
5.3 问题描述
5.3.1 系统模型
5.3.2 安全模型
5.4 模型构建
5.4.1 PFK-means概述
5.4.2 PFK-means方案
5.4.3 安全系统设置
5.4.4 簇心更新
5.5 理论分析
5.5.1 复杂度分析
5.5.2 安全分析
5.6 性能评估
5.6.1 实验设置
5.6.2 效用评估
5.6.3 实验分析
5.6.4 安全性和实用性比较
5.7 本章小结
第6章 基于同态加密的密态神经网络训练
6.1 背景介绍
6.2 研究现状
6.3 问题描述
6.3.1 系统模型
6.3.2 安全模型
6.4 HNN方案构造
6.4.1 全连接层
6.4.2 ReLU层
6.4.3 Softmax层
6.4.4 安全反向传播
6.5 安全性分析
6.6 性能评估
6.7 本章小结
第7章 基于卷积神经网络的密态计算
7.1 背景介绍
7.2 研究现状
7.3 问题描述
7.3.1 系统模型
7.3.2 安全模型
7.3.3 设计目标
7.4 模型构造
7.4.1 安全加减法协议
7.4.2 安全乘法协议
7.4.3 安全比较协议
7.4.4 矢量化
7.4.5 面向移动感知的轻量级隐私保护卷积神经网络特征提取
7.5 理论分析
7.5.1 正确性
7.5.2 安全性
7.5.3 有效性
7.6 性能评估
7.6.1 安全比较协议的性能
7.6.2 面向移动感知的轻量级隐私保护卷积神经网络特征提取的性能
7.7 本章小结
第8章 基于LSTM网络的密态计算
8.1 背景介绍
8.2 研究现状
8.3 问题描述
8.3.1 系统模型
8.3.2 安全模型
8.4 模型构造
8.4.1 基于秘密共享的安全函数
8.4.2 面向加密音频特征的隐私保护LSTM网络
8.5 理论分析
8.5.1 OPSR的正确性
8.5.2 OPSR的安全性
8.6 性能评估
8.6.1 OPSR的性能
8.6.2 保密LSTM网络交互协议的性能
8.7 本章小结
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...