近似同型暗号に基づくプライバシー保護機械学習：調査

機械学習（ML）は急速に進歩しており、人々の仕事や日常生活を改善するさまざまなアプリケーションを可能にしています。しかし、この技術的進歩はプライバシーの懸念をもたらし、プライバシー保護機械学習（PPML）が人気の研究テーマとして浮上しています。本研究では、MLにおけるプライバシー保護のトピックを調査し、さまざまなプライバシー保護技術の中で同型暗号（HE）の利点を示します。さらに、本研究では近似HEを紹介し、その利点を強調し、一部の代表的なスキームの詳細を提供します。加えて、近似HEに基づくPPMLスキームに関する関連文献を、4つの技術的応用および3つの高度な応用から系統的にレビューし、応用シナリオ、モデル、およびデータセットを紹介します。最後に、PPMLの研究を拡張するための潜在的な将来の方向性を提案します。