可验证的Dropout：确保AI训练的完整性

本文解决了基于云的AI训练中的一个关键漏洞：潜在的恶意操作隐藏在随机操作（如dropout）固有的随机性中。通过引入可验证的Dropout，作者提出了一种使用零知识证明的隐私保护机制，以确保这些操作的完整性。这非常重要，因为它允许对训练步骤进行事后审计，防止攻击者利用深度学习的非确定性进行恶意目的，同时保持数据的机密性。本文的贡献在于为AI训练中一个真实的安全性问题提供了解决方案。

• •解决了AI训练中随机操作的安全性漏洞。
• •引入了可验证的Dropout，一种隐私保护机制。
• •使用零知识证明来确保dropout的完整性。
• •支持对训练步骤进行事后审计。
• •保留了数据的机密性。