深色TZ swMATH ID: 32543 软件作者： 范莫（Fan Mo）、阿里·沙欣·沙姆萨巴迪（Ali Shahin Shamsabadi 描述： DarkneTZ：使用可信执行环境在边缘建立模型隐私。我们提出了DarkneTZ，这是一个框架，它使用边缘设备的可信执行环境（TEE）和模型分区来限制针对深层神经网络（DNN）的攻击面。边缘设备（智能手机和消费者物联网设备）越来越多地配备了用于各种应用的预培训DNN。这种趋势带来了隐私风险，因为模型可以通过有效的成员关系推理攻击（MIA）泄漏有关其训练数据的信息。我们使用两个小型和六个大型图像分类模型评估DarkneTZ的性能，包括CPU执行时间、内存使用和准确的功耗。由于边缘设备的TEE内存有限，我们将模型层划分为更敏感的层（在设备TEE内执行）和一组要在操作系统的非信任部分执行的层。我们的结果表明，即使只有一层被隐藏，我们也可以提供可靠的模型隐私，并防御最先进的MIA，只有3层 主页： https://arxiv.org/abs/2004.05703 关键词： 机器学习；arXiv_cs。LG公司；密码学；安全；arXiv_cs。CR公司；arXiv_状态ML；可信执行环境；球座；挪威船级社；深度神经网络 相关软件： 普里瓦多；PyTorch公司；SqueezeNet公司；凯龙；ML胶囊 引用于： 0个文档 标准条款 1出版物描述软件 年份 DarkneTZ：使用可信执行环境在边缘建立模型隐私arXiv公司范莫（Fan Mo）、阿里·沙欣·沙姆萨巴迪（Ali Shahin Shamsabadi 2020