【UCSD-MIT】深度学习隐私综述论文，Privacy in Deep Learning: A Survey

随着深度学习在视觉、推荐系统、自然语言处理等诸多领域的不断发展，深度神经网络(DNNs)在生产系统中得到了广泛的应用。大数据集的可用性和高计算能力是这些进步的主要因素。这些数据集通常是众包的，可能包含敏感信息。这造成了严重的隐私问题，因为这些数据可能被滥用或通过各种漏洞泄露。即使云提供商和通信链路是可信的，仍然存在推理攻击的威胁，攻击者可以推测用于训练的数据的属性，或者找到底层的模型架构和参数。在这次调查中，我们回顾了深度学习带来的隐私问题，以及为解决这些问题而引入的缓解技术。我们还指出，在测试时间推断隐私方面的文献存在空白，并提出未来可能的研究方向。

https://arxiv.org/abs/2004.12254

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“DLPS” 就可以获取《深度学习隐私综述论文，Privacy in Deep Learning: A Survey》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源