TY -的A2 -王,丁AU -李,程AU -杨,李盟- Ma,剑锋PY - 2020 DA - 2020/11/17 TI -一个安全的和可核查的外包方案协助移动设备培训机器学习模型SP - 8825623六世- 2020 AB -智能应用,如智能医疗设备,更多的数据需要在本地和本地端附近进行处理和培训，以防止隐私泄露。然而，智能设备的存储和计算能力有限，一些计算任务需要外包;同时，需要在外包计算时防止恶意节点访问用户数据。因此，本文提出了EVPP (efficient, verifiable, privacy-preserving)，这是一种用于机器学习模型训练过程的计算外包方案。边缘节点将复杂的计算过程外包给边缘服务节点。首先，我们进行了一定数量的测试，确定哪些零件需要外包。在这个解决方案中，模型训练过程中计算密集的部分被外包。同时，对外包的训练矩阵进行随机加密扰动，并引入验证因子以保证结果的可验证性。此外，系统可以生成可验证的证据，当发现恶意服务节点时，可以生成可验证的证据来构建信任机制。 At the same time, this paper also discusses the application of the scheme in other algorithms in order to be better applied. Through the analysis of theoretical and experimental data, it can be shown that the scheme proposed in this paper can effectively use the computing power of the equipment. SN - 1530-8669 UR - https://doi.org/10.1155/2020/8825623 DO - 10.1155/2020/8825623 JF - Wireless Communications and Mobile Computing PB - Hindawi KW - ER -