Core Concepts
Split Learningにおける訓練と推論中のプライバシー保護に対する類似性ベースのラベル推論攻撃の重要性を強調。
Abstract
Split learningはプライバシー保護分散学習の有望な枠組みであり、提案されたアプローチは高い精度を達成している。
複数のデータセットで実験が行われ、提案手法が効果的であることが示されている。
ラベル推論攻撃は、グラデーションや抽出された特徴からプライベートな情報を取得する可能性がある。
Stats
この論文では100%の精度を持つグラデーションに基づく攻撃が提案されている。