隐私保护机器学习

论文阅读-PANTHER: Private Approximate Nearest Neighbor Search in the Single Server Setting首先是介绍一些概念：最近邻搜索KNN：找到与查询点最接近的前k个点。近似最近邻搜索：在大型高维数据库中，KNN的成本会很高，此时该问题通常会被放宽为近似最近邻搜索ANNS，允许以高概率返回最接近的前k个邻点而非精确结果。

论文阅读-Cerebro: A Platform for Multi-Party Cryptographic Collaborative Learning本文构建了一个端到端的协同学习平台Cerebro，能使多方安全地开展机器学习计算协作。鉴于读者可能没有了解过密码学，这里也给出安全多方计算的介绍：安全多方计算（MPC）是一种加密技术，它允许\(P\)个参与方针对其私有输入\(x_1,x_2,\cdots,x_p\)计算函数\(f\)，且参与方只能获知\(f(x_1,x_2,\cdots,x_p)\)，而无法得知彼此输入的任何其他信息。

MD-ML: Super Fast Privacy-Preserving Machine Learning for Malicious Security with a Dishonest Majority这是上交团队发表在USENIX2024上的文章。假设一个多方的场景，参与方分别持有数据\(x,y,z,w\)，如果现在想要计算某个函数\(f(x,y,z,w)\)，一种想法是引入可信方，让可信方帮忙进行计算。

我是有底线的