幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

密態深度學習/網路空間安全叢書

  • 作者：劉西蒙//熊金波|責編:王夏
  • 出版社：人民郵電
  • ISBN：9787115640581
  • 出版日期：2024/10/01
  • 裝幀：平裝
  • 頁數：188
人民幣：RMB 129.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    密態深度學習可以在不解密加密數據的前提下對授權用戶提供深度學習服務，並可防止非授權用戶對授權用戶的數據進行竊取與利用。該技術突破了密態數據無法在非可信環境下被有效利用的技術瓶頸，實現了「安全學習，萬物互聯」。本書從大數據、人工智慧面臨的隱私挑戰出發，以密態深度學習理論框架與技術方法研究為主線，從理論模型到實際應用，系統闡述了密態深度學習的理論與技術。密態深度學習能夠隨時隨地對密態數據進行安全分析，充分利用加密信息資源，實現「服務在雲端，信息隨心行」的理想狀態。
    本書可為密碼學、人工智慧安全、大數據安全相關科研人員和企業研發人員提供參考，可以作為網路空間安全一級學科博士生、碩士生的重要參考書，也可以作為電腦相關專業高年級本科生的補充讀物。
作者介紹
劉西蒙//熊金波|責編:王夏
目錄
第1章  緒論
  1.1  大數據
    1.1.1  引言
    1.1.2  概念
    1.1.3  發展與應用
    1.1.4  大數據關鍵技術
  1.2  數據挖掘
    1.2.1  引言
    1.2.2  概念
    1.2.3  發展與應用
    1.2.4  數據挖掘相關技術
  1.3  人工智慧
    1.3.1  引言
    1.3.2  概念
    1.3.3  發展與應用
    1.3.4  人工智慧關鍵技術
  1.4  數據安全與網路安全
    1.4.1  引言
    1.4.2  概念
    1.4.3  面臨的威脅
    1.4.4  安全技術
  1.5  數據挖掘面臨的隱私問題
    1.5.1  數據的過度採集
    1.5.2  個人信息的濫用
    1.5.3  數據的融合問題
  1.6  人工智慧面臨的隱私問題
    1.6.1  數據泄露帶來的隱私風險
    1.6.2  人工智慧演算法引發的隱私風險
    1.6.3  人工智慧的發展導致的安全威脅
    1.6.4  模型提取攻擊導致的安全威脅
  1.7  本章小結
第2章  基礎知識
  2.1  深度學習
    2.1.1  AdaBoost
    2.1.2  XGBoost
    2.1.3  聯邦學習
    2.1.4  全連接神經網路
    2.1.5  深度神經網路
    2.1.6  卷積神經網路
    2.1.7  遞歸神經網路
  2.2  同態加密
    2.2.1  群、環、域
    2.2.2  公鑰密碼體制的困難問題
    2.2.3  加法同態Paillier演算法
    2.2.4  乘法同態RSA演算法
    2.2.5  全同態加密演算法
  2.3  基於安全多方計算的密態計算
    2.3.1  基於秘密共享的密態計算
    2.3.2  基於混淆電路的密態計算
  2.4  基於可信執行環境的密態計算

  2.5  差分隱私
  2.6  本章小結
第3章  基於AdaBoost的密態計算
  3.1  背景介紹
  3.2  研究現狀
  3.3  問題描述
    3.3.1  系統模型
    3.3.2  攻擊模型
  3.4  基於秘密共享的安全協議
    3.4.1  數據存儲格式
    3.4.2  指數的安全匹配
    3.4.3  改進的安全自然指數協議
    3.4.4  改進的安全自然對數協議
  3.5  模型構造
    3.5.1  AdaBoost的FSA
    3.5.2  弱分類器的線性加法
    3.5.3  多分類擴展
  3.6  理論分析
    3.6.1  POR的正確性分析
    3.6.2  POR的安全性分析
  3.7  性能評估
    3.7.1  POR的性能
    3.7.2  改進的安全自然指數協議和安全自然對數協議的性能
  3.8  本章小結
第4章  聯邦極端梯度增強的密態計算
  4.1  背景介紹
  4.2  研究現狀
  4.3  問題描述
    4.3.1  系統模型
    4.3.2  安全模型
  4.4  模型構造
    4.4.1  FEDXGB概述
    4.4.2  SecAgg
    4.4.3  SecBoost
    4.4.4  SecFind
    4.4.5  用戶退出的魯棒性
  4.5  安全性分析
    4.5.1  SecAgg的安全性
    4.5.2  FEDXGB的安全性
  4.6  性能評估
    4.6.1  實驗配置
    4.6.2  FEDXGB性能評估
    4.6.3  SecAgg效率分析
  4.7  本章小結
第5章  隱私保護聯邦K-means
  5.1  背景介紹
  5.2  研究現狀
  5.3  問題描述
    5.3.1  系統模型
    5.3.2  安全模型

  5.4  模型構建
    5.4.1  PFK-means概述
    5.4.2  PFK-means方案
    5.4.3  安全系統設置
    5.4.4  簇心更新
  5.5  理論分析
    5.5.1  複雜度分析
    5.5.2  安全分析
  5.6  性能評估
    5.6.1  實驗設置
    5.6.2  效用評估
    5.6.3  實驗分析
    5.6.4  安全性和實用性比較
  5.7  本章小結
第6章  基於同態加密的密態神經網路訓練
  6.1  背景介紹
  6.2  研究現狀
  6.3  問題描述
    6.3.1  系統模型
    6.3.2  安全模型
  6.4  HNN方案構造
    6.4.1  全連接層
    6.4.2  ReLU層
    6.4.3  Softmax層
    6.4.4  安全反向傳播
  6.5  安全性分析
  6.6  性能評估
  6.7  本章小結
第7章  基於卷積神經網路的密態計算
  7.1  背景介紹
  7.2  研究現狀
  7.3  問題描述
    7.3.1  系統模型
    7.3.2  安全模型
    7.3.3  設計目標
  7.4  模型構造
    7.4.1  安全加減法協議
    7.4.2  安全乘法協議
    7.4.3  安全比較協議
    7.4.4  矢量化
    7.4.5  面向移動感知的輕量級隱私保護卷積神經網路特徵提取
  7.5  理論分析
    7.5.1  正確性
    7.5.2  安全性
    7.5.3  有效性
  7.6  性能評估
    7.6.1  安全比較協議的性能
    7.6.2  面向移動感知的輕量級隱私保護卷積神經網路特徵提取的性能
  7.7  本章小結
第8章  基於LSTM網路的密態計算

  8.1  背景介紹
  8.2  研究現狀
  8.3  問題描述
    8.3.1  系統模型
    8.3.2  安全模型
  8.4  模型構造
    8.4.1  基於秘密共享的安全函數
    8.4.2  面向加密音頻特徵的隱私保護LSTM網路
  8.5  理論分析
    8.5.1  OPSR的正確性
    8.5.2  OPSR的安全性
  8.6  性能評估
    8.6.1  OPSR的性能
    8.6.2  保密LSTM網路交互協議的性能
  8.7  本章小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032