文章摘要:车路协同推断把深度网络切分成两部分，分别由车载终端和路侧边缘服务器存储和执行，两者协作完成深度网络的推断。车路协同推断提高推断效率，但是存在隐私问题。攻击者在不知道车载终端网络结构的前提下，仍旧可复原车载终端上传的计算结果对应的图像数据，从而发起图像还原攻击。为此，基于差分隐私理论，设计了三种防御算法，即模型扰动、输入扰动、输出扰动，分别在车载终端的深度网络参数、输入原始图像、输出计算结果加入随机拉普拉斯噪声，从而干扰攻击者的图像还原。理论分析表明，提出的方法满足差分隐私保护，即攻击者难以从计算结果挖掘原始数据的隐私信息。实验结果表明，提出的方法能有效防御黑盒图像还原攻击，同时保持推断精确率在0.9以上。

文章关键词:

项目基金: 上一篇：电力工业论文_基于注意力机制和LSTM的短期风电
下一篇：农业基础科学论文_基于改进粒子群的农田WSN路