-
公开(公告)号：CN116611030A
公开(公告)日：2023-08-18
申请号：CN202310576399.7
申请日：2023-05-22
Applicant: 南京邮电大学
IPC: G06F18/27 , G06F18/214 , G06F18/241 , G06F21/62
Abstract: 本发明公开了一种基于压缩的本地化差分隐私保护的逻辑回归方法。在该方法中，用户根据服务器发布的模型参数计算梯度向量，对其编码处理得到输入向量；通过随机响应机制扰动得到输出向量，实现隐私保护。服务器聚合并校正输出向量，得到无偏均值可用于更新模型参数，并向下一轮参与训练的用户发布更新参数。经多轮迭代后训练出逻辑回归模型。最后，利用逻辑回归模型可对未知类标签的用户数据分类预测。本发明引入压缩的本地化差分隐私模型，该模型在保护用户隐私的同时提高了数据统计的效用和估计精度，平衡了隐私保护和数据可用性，为用户提供分类预测的同时，确保了攻击者无法逆向推理出训练数据中个体的数据，并具有较高的分类准确率。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
