TY -的A2 -一,阿米尔AU - Tan Zuowen盟——张Haohan AU -胡,配宜AU -高,鲁伊PY - 2021 DA - 2021/04/22 TI -分布式外包保护隐私梯度下降方法在多个政党SP - 8876893六世- 2021 AB -物联网(物联网)是一种最新的互联网的演进。云计算是一个重要的技术,实现分布式物联网主要设备的计算需求/传感器采用各种机器学习模型。梯度下降方法被广泛用来找到最优系数在云计算的机器学习模型。通常,数据分布在多个数据所有者,而目标函数是由模型所有者持有。模型所有者可以训练它的模型数据所有者的数据并提供预测。然而,数据集或目标函数的保密不得计算期间是被保密的事情。因此,安全威胁、隐私风险出现。解决上面提到的隐私数据和模型,我们提出两个新的外包保护隐私梯度下降(OPPGD)方法方案在水平或垂直分区数据在多个党派,分别。先前提出的解决方案相比,我们的方法改善全面性在更一般的场景。模型的数据隐私和隐私被保存在整个学习和预测程序。 In addition, the execution performance evaluation demonstrates that our schemes can help the model owner to optimize its target function and provide exact prediction with high efficiency and accuracy. SN - 1939-0114 UR - https://doi.org/10.1155/2021/8876893 DO - 10.1155/2021/8876893 JF - Security and Communication Networks PB - Hindawi KW - ER -