PRIVACY PRESERVING COLLABORATIVE DEEP LEARNING MENGGUNAKAN VERIFIABLE MULTI-SECRET SHARING SCHEME

Collaborative deep learning adalah sebuah pendekatan yang digunakan untuk mengatasi besarnya data latih yang dibutuhkan dalam membangun model deep learning yang lebih baik. Dalam Collaborative deep learning para peserta mengumpulkan data mereka secara terpusat kepada server untuk dilatih kedalam model deep learning. Namun, pengumpulan data latih secara terpusat menghadirkan masalah kebocoran privasi yang serius dan rusaknya integritas data latih. Tujuan dari makalah ini adalah memberikan solusi terhadap masalah privasi dan rusaknya integritas data latih dalam collaborative deep learning menggunakan verifiable (k,t,n) multi-secret sharing (VMSS) berdasarkan Elliptic Curve Diffie Helman dan SHA3-256 sebagai fungsi hash. Dimana seluruh data latih akan dibentuk menjadi n shares menggunakan session key yang dihasilkan dari kunci privat dan kunci publik Elliptic Curve Diffie helman untuk melindungi privasi dan menghashkan seluruh data latih menggunakan SHA3-256 untuk proses verifikasi sebelum dikirimkan ke server. Hasil pengujian menunjukkan integritas data latih yang rusak dan peserta yang berkolusi dapat diverifikasi. Selain itu, akurasi model yang dihasilkan menggunakan atau tanpa menggunakan VMSS memiliki nilai yang sama. Sehingga model yang diusulkan dapat melindungi privasi dan integritas data latih serta mempertahankan akurasi model deep learning.