스플릿 러닝에서의 데이터 프라이버시와 모델 효율성 간 trade-off 분석

Q: 이 논문에서 정의한 스플릿 러닝이란 무엇인가?

데이터 소유자들이 자신의 데이터를 직접 공유하지 않으면서도 협력적으로 딥러닝 모델을 훈련할 수 있도록 설계된 분산 학습 기법이다. 이는 전체 모델을 클라이언트 측과 서버 측으로 분할하여 데이터를 처리함으로써 프라이버시를 보호하며 학습을 진행하는 방식이다.

Q: 텍스트 기반 스플릿 러닝에서 Cut-layer 위치와 미세 조정 학습 횟수는 보안성에 어떤 영향을 미치는가?

연구 결과, Cut-layer 위치가 전체 레이어의 50%를 지나거나 클라이언트 측 모델의 미세 조정 학습 횟수가 증가할수록 추론 공격의 성능이 감소하는 경향을 보였다. 하지만 높은 경량화 수준에서도 여전히 상당한 프라이버시 유출 위험이 존재함이 확인되었다.

김정인; 김유신; 이세종; 조성현

추천

검색

질문

자료유형: 학술대회자료

저자정보: 김정인 (한양대학교) 김유신 (한양대학교) 이세종 (한양대학교) 조성현 (한양대학교 ERICA)

저널정보: 대한전자공학회 대한전자공학회 학술대회 2024년도 대한전자공학회 하계학술대회 논문집

발행연도: 2024.6

수록면: 2,210 - 2,214 (5page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Split learning, a distributed learning approach that divides the model into client and server components based on a cut-layer, has recently gained attention. Moving the cut-layer closer to the client reduces computation complexity but raises data privacy concerns regarding the original input data. This study analyzes this trade-off through attack simulations on a text-based COVID-19 prediction model. The results show that increasing the distance of the cut-layer from the client side reduces the success rate of inference attacks on the original data, while decreasing model efficiency. Careful consideration of this trade-off is crucial for designing effective split learning models that balance privacy and computation requirements.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)