加密数据上的机器学习分类研究

摘要

针对当前机器学习分类在许多设置中使用,而涉及到的数据和分类器保持隐秘的重要性.论文构建了三大分类协议满足这个隐私约束：超平面判定、朴素贝叶斯和决策树,也能够使这些协议与AdaBoost相结合.为了安全地构造分类器,这些架构的基础是一个新的构件库;证实这个库也可以被用于构建其它分类器,例如多路复用器和人脸检测分类器,实现和评估我们的库和分类器.当运行在真实的医疗数据集时,协议是有效的,以毫秒至几秒钟的时间去执行一个分类.