연합 학습에서 의료 데이터의 프라이버시 보존을 위한 Paillier 동형 암호 기반 딥 러닝 모델의 파라미터 암호화 기법
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 김유신 | - |
dc.contributor.author | 안세영 | - |
dc.contributor.author | 이세종 | - |
dc.contributor.author | 조성현 | - |
dc.date.accessioned | 2023-07-05T06:31:14Z | - |
dc.date.available | 2023-07-05T06:31:14Z | - |
dc.date.issued | 2021-04 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/erica/handle/2021.sw.erica/113559 | - |
dc.description.abstract | 본 논문에서는 Paillier 동형 암호 기반의 파라미터 암호화 기법을 제안한다. 의료 인공지능 분야에서는 인공지능 모델의 학습을 위해 많은 양의 의료 데이터가 필요할 뿐만 아니라 의료 데이터의 프라이버시 보호 또한 고려해야 한다. 이를 고려한 학습 방법으로 데이터를 공유하지않는 연합 학습을 이용할 수 있다. 하지만 연합 학습에서도 model inversion attack, inference attack과 같은 보안 공격에 의해 프라이버시 유출의 위험성이 존재한다. 제안한 기법은 암호화된 파라미터를 공유하고 업데이트함으로써 의료 데이터의 프라이버시를 보존하는 연합 학습을 수행할 수 있으며, 이로 발생할 수 있는 정확도 손실 또한 0.3% 미만으로 큰 저하가 없음을 보였다 | - |
dc.format.extent | 2 | - |
dc.language | 한국어 | - |
dc.language.iso | KOR | - |
dc.publisher | 한국통신학회 | - |
dc.title | 연합 학습에서 의료 데이터의 프라이버시 보존을 위한 Paillier 동형 암호 기반 딥 러닝 모델의 파라미터 암호화 기법 | - |
dc.title.alternative | Privacy-preserving Federated Learning based on Paillier Homomorphic Encryption without Sharing the Electronic Medical Record | - |
dc.type | Article | - |
dc.publisher.location | 대한민국 | - |
dc.identifier.bibliographicCitation | 2021 한국통신학회 통신정보 합동학술대회, pp 1 - 2 | - |
dc.citation.title | 2021 한국통신학회 통신정보 합동학술대회 | - |
dc.citation.startPage | 1 | - |
dc.citation.endPage | 2 | - |
dc.type.docType | Proceeding | - |
dc.description.isOpenAccess | N | - |
dc.description.journalRegisteredClass | other | - |
dc.identifier.url | https://manuscriptlink-society-file.s3-ap-northeast-1.amazonaws.com/kics/conference/jcci2021/presentation/1570711485.pdf | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
55 Hanyangdeahak-ro, Sangnok-gu, Ansan, Gyeonggi-do, 15588, Korea+82-31-400-4269 sweetbrain@hanyang.ac.kr
COPYRIGHT © 2021 HANYANG UNIVERSITY. ALL RIGHTS RESERVED.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.