اکسپرس 24
ترجمه فارسی مقاله PriPHiT: آموزش سلسله مراتبی با حفظ حریم خصوصی شبکه‌های عصبی عمیق

ترجمه فارسی مقاله PriPHiT: آموزش سلسله مراتبی با حفظ حریم خصوصی شبکه‌های عصبی عمیق

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی PriPHiT: Privacy-Preserving Hierarchical Training of Deep Neural Networks
عنوان مقاله به فارسی PriPHiT: آموزش سلسله مراتبی با حفظ حریم خصوصی شبکه‌های عصبی عمیق
نویسندگان Yamin Sepehri, Pedram Pad, Pascal Frossard, L. Andrea Dunbar
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
دسته بندی موضوعات Computer Vision and Pattern Recognition,Cryptography and Security,Distributed, Parallel, and Cluster Computing,Machine Learning,Image and Video Processing,چشم انداز رایانه و تشخیص الگوی , رمزنگاری و امنیت , توزیع شده , موازی و خوشه , یادگیری ماشین , پردازش تصویر و فیلم
توضیحات Submitted 9 August, 2024; originally announced August 2024. , Comments: 16 pages, 16 figures, 6 tables , ACM Class: I.2.10; I.2.6; I.2.11; K.4.1
توضیحات به فارسی ارسال شده در 9 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 16 صفحه ، 16 شکل ، 6 جدول ، کلاس ACM: I.2.10 ؛I.2.6 ؛I.2.11 ؛K.4.1

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 640,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The training phase of deep neural networks requires substantial resources and as such is often performed on cloud servers. However, this raises privacy concerns when the training dataset contains sensitive content, e.g., face images. In this work, we propose a method to perform the training phase of a deep learning model on both an edge device and a cloud server that prevents sensitive content being transmitted to the cloud while retaining the desired information. The proposed privacy-preserving method uses adversarial early exits to suppress the sensitive content at the edge and transmits the task-relevant information to the cloud. This approach incorporates noise addition during the training phase to provide a differential privacy guarantee. We extensively test our method on different facial datasets with diverse face attributes using various deep learning architectures, showcasing its outstanding performance. We also demonstrate the effectiveness of privacy preservation through successful defenses against different white-box and deep reconstruction attacks.

چکیده به فارسی (ترجمه ماشینی)

مرحله آموزش شبکه های عصبی عمیق به منابع قابل توجهی نیاز دارد و به همین ترتیب اغلب در سرورهای ابری انجام می شود.با این حال ، این نگرانی های مربوط به حریم خصوصی را ایجاد می کند وقتی که مجموعه داده های آموزش حاوی محتوای حساس ، به عنوان مثال ، تصاویر چهره است.در این کار ، ما روشی را برای انجام مرحله آموزش یک مدل یادگیری عمیق در یک دستگاه لبه و یک سرور ابری ارائه می دهیم که مانع از انتقال محتوای حساس در ضمن حفظ اطلاعات مورد نظر می شود.روش پیشنهادی برای حفظ حریم خصوصی از خروجی های اولیه مخالف برای سرکوب محتوای حساس در لبه استفاده می کند و اطلاعات مربوط به کار را به ابر منتقل می کند.این رویکرد شامل افزودن سر و صدا در مرحله آموزش برای ارائه ضمانت حریم خصوصی دیفرانسیل است.ما به طور گسترده روش خود را در مجموعه داده های مختلف صورت با ویژگی های مختلف چهره با استفاده از معماری های مختلف یادگیری عمیق آزمایش می کنیم و عملکرد برجسته آن را به نمایش می گذاریم.ما همچنین اثربخشی حفظ حریم خصوصی را از طریق دفاع موفق در برابر حملات مختلف جعبه سفید و بازسازی عمیق نشان می دهیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.