公开(公告)号：CN114626471A

公开(公告)日：2022-06-14

申请号：CN202210271673.5

申请日：2022-03-18

Applicant: 北京信息科技大学

Inventor： 康海燕 ,  王骁识

IPC: G06K9/62 ,  G06V10/774 ,  G06V10/40 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06F21/62

Abstract: 本发明公开一种基于深度学习与隐私保护技术的图像识别方法及系统，涉及图像识别技术领域，方法包括：采用LRP算法确定每一输出结果对应的各特征参数的特征相关度；根据所有特征相关度确定每一特征参数的平均特征相关度；对各平均特征相关度均添加同样的噪声，得到多个加噪后的平均特征相关度；根据每一加噪后的平均特征相关度，确定每一特征参数对应的隐私预算；根据每一隐私预算对每一特征参数添加噪声，得到多个加噪后的特征参数；利用多个加噪后的特征参数训练第二图像识别模型，利用训练后的第二图像识别模型对待识别图像进行识别，得到待识别图像的识别结果。本发明能够在保护数据隐私的同时，提高图像识别模型的识别精度。

公开(公告)号：CN114626471B

公开(公告)日：2024-10-18

申请号：CN202210271673.5

申请日：2022-03-18

Applicant: 北京信息科技大学

Inventor： 康海燕 ,  王骁识

IPC: G06V10/774 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06F21/62

Abstract: 本发明公开一种基于深度学习与隐私保护技术的图像识别方法及系统，涉及图像识别技术领域，方法包括：采用LRP算法确定每一输出结果对应的各特征参数的特征相关度；根据所有特征相关度确定每一特征参数的平均特征相关度；对各平均特征相关度均添加同样的噪声，得到多个加噪后的平均特征相关度；根据每一加噪后的平均特征相关度，确定每一特征参数对应的隐私预算；根据每一隐私预算对每一特征参数添加噪声，得到多个加噪后的特征参数；利用多个加噪后的特征参数训练第二图像识别模型，利用训练后的第二图像识别模型对待识别图像进行识别，得到待识别图像的识别结果。本发明能够在保护数据隐私的同时，提高图像识别模型的识别精度。

公开(公告)号：CN115906154A

公开(公告)日：2023-04-04

申请号：CN202211367312.7

申请日：2022-11-02

Applicant: 北京信息科技大学

Inventor： 康海燕 ,  程涛 ,  司夏萌 ,  王骁识

IPC: G06F21/62 ,  G06F21/60 ,  G06F21/71

Abstract: 本发明涉及一种基于可验证机制的数据协作方法，涉及机器学习与数据安全领域，包括：将参与设定数据协作任务的多个参与方划分为验证者和多个计算者；利用各个计算者的本地数据对当前本地模型进行模型训练；各计算者的当前本地模型完成设定轮数的模型训练后向验证者发送证明信息；验证解密后的证明信息，统计解密后的证明信息有效的计算者发出参数合并信号的数量；若发出参数合并信号的计算者的数量大于或者等于设定阈值，则通过验证者对发出参数合并信号的计算者的模型参数进行参数合并，得到当前聚合模型；若当前聚合模型达到设定标准，则将当前聚合模型作为最终聚合模型。本发明提升了隐私数据的安全性和共享数据的可信性。