-
公开(公告)号：CN114943101B
公开(公告)日：2024-05-17
申请号：CN202210539948.9
申请日：2022-05-18
Applicant: 广州大学
IPC: G06F21/71 , G06N3/0464 , G06N3/096 , G06N20/00
Abstract: 本发明公开了一种隐私保护的生成模型构建方法，其包括如下步骤：基于与生成器相对，用于判别生成器生成数据的真假概率的判别器；用于学习每个客户端的数据类别的判断的大模型教师判别器；基于通过教师判别器的引导来学习各客户端的共同规律进行判别的小模型学生判别器；用于生成模拟真实数据的样本的生成器；基于多个样本组成的数据集合的数据集；隐私预算；基于去偏判别器蒸馏的差分隐私数据生成器。本发明通过有益样本选择方法，界定一个阈值，组成一个数据集来训练学生判别器，使得学生判别器在不影响学习效果的情况下，还能在较少训练所需样本数量情况下，实现比现有方法更好的的保护隐私的效果。
-
公开(公告)号：CN114969813A
公开(公告)日：2022-08-30
申请号：CN202210539921.X
申请日：2022-05-18
Applicant: 广州大学
Abstract: 本发明涉及知识蒸馏技术领域，公开了一种样本级隐私保护的知识蒸馏方法，在客户端部署用于衡量隐私样本与查询样本特征相似度的模型Rep,将Dpiv数据集存储在客户端；在服务器端对Dpub中的数据进行聚类，并将S个聚类中心设为查询样本；客户端在thereverse‑knn的规则下，将隐私样本与K个查询样本相关联，并用BSVS机制生成标签信息，加噪后发往服务器；服务器通过汇总各客户端反馈的标签信息，生成查询样本的硬标签和软标签。本发明通过一种改进后的局部差分隐私机制，首次证明了在满足局部差分隐私的情况下，对于单个私有记录做知识提取的方法是可行的，并在实验过程中体现了显著的准确性。
-
公开(公告)号：CN119475410A
公开(公告)日：2025-02-18
申请号：CN202411390213.X
申请日：2024-10-08
Applicant: 广州大学
IPC: G06F21/62
Abstract: 本发明公开了一种个性化洗牌差分隐私保护的类别数据分析算法，涉及数据隐私保护和信息安全领域，该个性化洗牌差分隐私保护的类别数据分析算法包括以下步骤：本地用户输入数据和隐私预算至本地随机化器中，通过本地随机化器生成干扰并采样若干假消息，将被扰动的消息集合和隐私预算发送给洗牌器；洗牌器通过随机置换方法对被扰动的消息集合和隐私预算进行洗牌；将洗牌后的被扰动的消息集合和隐私预算数据集发送到服务器进行聚合。本发明通过引入个性化差分隐私和洗牌模型，有效解决了隐私保护与数据实用性之间的矛盾，通过混洗打破数据点之间的关联性，显著提升了隐私保护效果，防止了通过数据关联性推断用户原始数据的风险。
-
公开(公告)号：CN114943101A
公开(公告)日：2022-08-26
申请号：CN202210539948.9
申请日：2022-05-18
Applicant: 广州大学
Abstract: 本发明公开了一种隐私保护的生成模型构建方法，其包括如下步骤：基于与生成器相对，用于判别生成器生成数据的真假概率的判别器；用于学习每个客户端的数据类别的判断的大模型教师判别器；基于通过教师判别器的引导来学习各客户端的共同规律进行判别的小模型学生判别器；用于生成模拟真实数据的样本的生成器；基于多个样本组成的数据集合的数据集；隐私预算；基于去偏判别器蒸馏的差分隐私数据生成器。本发明通过有益样本选择方法，界定一个阈值，组成一个数据集来训练学生判别器，使得学生判别器在不影响学习效果的情况下，还能在较少训练所需样本数量情况下，实现比现有方法更好的的保护隐私的效果。
-
-
-
Search Results
4
records
(took 0.016 seconds)
