Resumen

Presentamos un modelo seguro de entrenamiento de redes neuronales con retropropagación (SecureBP), que permite entrenar una red neuronal manteniendo la confidencialidad de los datos de entrenamiento, basado en el esquema de cifrado homomórfico. Realizamos dos contribuciones. La primera es introducir un método para encontrar una aproximación polinómica más precisa y numéricamente estable de funciones en un intervalo determinado. La segunda es encontrar una estrategia de actualización de cifrado durante el entrenamiento, que mantiene el orden de magnitud del ruido en .

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Red neuronal; Modelo de entrenamiento; SecureBP; Esquema de cifrado homomórfico; Aproximación polinómica; Refresco del texto cifrado.
• Keywords:Neural network; Training model; SecureBP; Homomorphic encryption scheme; Polynomial approximation; Refreshing ciphertext