-
公开(公告)号：CN111737744B
公开(公告)日：2022-09-30
申请号：CN202010573117.4
申请日：2020-06-22
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于差分隐私的数据发布方法，属于数据隐私保护技术领域。本发明对于输入的直方图数据，进行拉普拉斯加噪，然后将加噪后的数据进行滤波操作，能够显著的降低添加的噪音值，接着通过重排序的方法对加噪后的直方图按照频数的值进行排序，排序后的直方图在进行分组合并的时候能够达到更优的分组，最终根据动态规划思想的聚类策略来找到最小的SSE分组。本发明提出一种均值精准直方图发布方法，并对扰动数据进行滤波处理和排序，使更多相似的数据合并在一起，最后发布满足差分隐私的直方图，能够有效的降低直方图发布的误差，从而使差分隐私技术理论在实际应用提供了广阔的前景。
-
公开(公告)号：CN111737743B
公开(公告)日：2024-08-23
申请号：CN202010572297.4
申请日：2020-06-22
Applicant: 安徽工业大学
IPC: G06F21/62 , G06V10/764 , G06V10/82 , G06V10/84 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种深度学习差分隐私保护方法，属于信息系统安全技术领域。本发明提出一个新型的深度学习差分隐私保护模型，并采用WGAN对经模型隐私保护处理的数据生成图像结果，从生成图像中选取最接近真实图像的结果，对比生成结果和原始图像的相似度并计算差值进行阈值比较，在相似度阈值限定条件下反馈调节模型梯度中的隐私参数，从而为差分隐私在深度学习等领域的应用提供了一定的推动作用。
-
公开(公告)号：CN111737743A
公开(公告)日：2020-10-02
申请号：CN202010572297.4
申请日：2020-06-22
Applicant: 安徽工业大学
Abstract: 本发明公开了一种深度学习差分隐私保护方法，属于信息系统安全技术领域。本发明提出一个新型的深度学习差分隐私保护模型，并采用WGAN对经模型隐私保护处理的数据生成图像结果，从生成图像中选取最接近真实图像的结果，对比生成结果和原始图像的相似度并计算差值进行阈值比较，在相似度阈值限定条件下反馈调节模型梯度中的隐私参数，从而为差分隐私在深度学习等领域的应用提供了一定的推动作用。
-
公开(公告)号：CN111737744A
公开(公告)日：2020-10-02
申请号：CN202010573117.4
申请日：2020-06-22
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于差分隐私的数据发布方法，属于数据隐私保护技术领域。本发明对于输入的直方图数据，进行拉普拉斯加噪，然后将加噪后的数据进行滤波操作，能够显著的降低添加的噪音值，接着通过重排序的方法对加噪后的直方图按照频数的值进行排序，排序后的直方图在进行分组合并的时候能够达到更优的分组，最终根据动态规划思想的聚类策略来找到最小的SSE分组。本发明提出一种均值精准直方图发布方法，并对扰动数据进行滤波处理和排序，使更多相似的数据合并在一起，最后发布满足差分隐私的直方图，能够有效的降低直方图发布的误差，从而使差分隐私技术理论在实际应用提供了广阔的前景。
-
-
-
Search Results
4
records
(took 0.021 seconds)
