近年来,机器学习成为一个备受关注的领域,给我们的日常生活带来了巨大的便利.然而,随着机器学习在各个领域的深入,隐私安全已经成为一个不容忽视的问题.为了使用机器学习服务而不必担心隐私泄露,人们普遍期望使用保护的机器学习算法.在本文中,我们提出了一种实用的利用变分自编码器实现的隐私保护机器学习预测方案.利用变分自编码器生成相近的假的数据,用以代替用户真实的敏感输入数据,用于机器学习预测.我们在基准数据集 Adult、MNIST、Fashion MNIST 和CelebA上测试了我们的方案.实验结果表明,本方案可以实现良好的隐私保护,准确率高,效率高.
NETL
NSTL
万方数据
