【五期李伟平】CCF-A（NeurIPS'19）privacy preserving classification of personal text messages with secure multi party computation Paper

Devin Reich, Ariel Todoki, Rafael Dowsley, Martine De Cock, Anderson Nascimento. 2019. Privacy-Preserving Classification of Personal Text Messages with Secure Multi-Party Computation: An Application to Hate-Speech Detection. 33rd Conference on Neural Information Processing Systems (NeurIPS 2019), Vancouver, Canada.

  本文提出了两个隐私保护机器学习（PPML）方法，通过安全多方计算（MPC）实现隐私保护，采用的机器学习方法分别是逻辑回归（RL）和一层深的AdaBoost。在加密构建块中实现安全相等测试、安全特征提取、安全比较测试和安全位分解（从Zp→Z2），再将提取出来的内容与已经准备好的模型输入到两个PPML方法中得到结果。

  本文的优点1是第一个可证明安全的文本分类隐私保护(PP)解决方案2使用安全多方计算进行非结构化文本的PP特征提取和分类3基于MPC优化特征工程，提供了综合效率（训练时间的大幅下降，精度无损失或较少）。

  本文的局限是在前提上，假定模型提供方和数据提供方两者认识，这使得符合本文技术的应用场景较为稀少。

2023年1月13日