公路与水路运输论文_面向车路协同推断的差分隐-计算机工程

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

公路与水路运输论文_面向车路协同推断的差分隐

作者:

关键词:

摘要：

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: