• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2019 56th ACM/IEEE Design Automation Conference >How Secure are Deep Learning Algorithms from Side-Channel based Reverse Engineering?*
【24h】

How Secure are Deep Learning Algorithms from Side-Channel based Reverse Engineering?*

机译：基于边通道的逆向工程的深度学习算法的安全性如何？ *

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Deep Learning has become a de-facto paradigm for various prediction problems including many privacy-preserving applications, where the privacy of data is a serious concern. There have been efforts to analyze and exploit information leakages from DNN to compromise data privacy. In this paper, we provide an evaluation strategy for such information leakages through DNN by considering a case study on CNN classifier. The approach utilizes low-level hardware information provided by Hardware Performance Counters and hypothesis testing during the execution of a CNN to produce alarms if there exists any information leakage on actual input.CCS CONCEPTS• Security and privacy $ightarrow$ Software and application security;
机译：深度学习已成为各种预测问题的实际范例，其中包括许多隐私保护应用程序，其中数据的隐私性是一个严重问题。已经进行了分析和利用DNN泄漏的信息以损害数据隐私的工作。本文通过考虑CNN分类器的案例研究，为通过DNN的此类信息泄漏提供了一种评估策略。该方法利用CNN执行期间硬件性能计数器提供的低级硬件信息和假设测试，以在实际输入上存在任何信息泄漏时发出警报。CCS概念•安全和隐私权\\ rightarrow $软件和应用程序安全性;

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号