-
公开(公告)号：CN117390685B
公开(公告)日：2024-04-05
申请号：CN202311667019.7
申请日：2023-12-07
申请人： 湖北省楚天云有限公司 , 华中科技大学
IPC分类号： G06F21/62 , G06V40/10 , G06V10/774 , G06V10/74 , G06N3/084
摘要： 本发明涉及一种基于遗忘学习的行人重识别数据隐私保护方法和系统，该方法包括：获取原始行人图像数据，对行人图像数据中的隐私数据进行数据增强和选取后得到遗忘数据，构建遗忘数据集；使用遗忘算法计算遗忘数据在用于行人重识别的深度网络模型中的梯度信息，使用梯度信息对遗忘数据进行扰动后再次输入深度网络模型，重复扰动迭代过程，获得遗忘数据的新标签；使用遗忘数据和对应的新标签对深度网络模型进行训练，得到遗忘隐私数据模型；能够有效保护行人重识别数据集中的个人隐私信息，同时保持行人重识别的准确性和可靠性，解决了现有遗忘算法中只针对类别数据样本数量一致的限制问题。
-
公开(公告)号：CN117390685A
公开(公告)日：2024-01-12
申请号：CN202311667019.7
申请日：2023-12-07
申请人： 湖北省楚天云有限公司 , 华中科技大学
IPC分类号： G06F21/62 , G06V40/10 , G06V10/774 , G06V10/74 , G06N3/084
摘要： 本发明涉及一种基于遗忘学习的行人重识别数据隐私保护方法和系统，该方法包括：获取原始行人图像数据，对行人图像数据中的隐私数据进行数据增强和选取后得到遗忘数据，构建遗忘数据集；使用遗忘算法计算遗忘数据在用于行人重识别的深度网络模型中的梯度信息，使用梯度信息对遗忘数据进行扰动后再次输入深度网络模型，重复扰动迭代过程，获得遗忘数据的新标签；使用遗忘数据和对应的新标签对深度网络模型进行训练，得到遗忘隐私数据模型；能够有效保护行人重识别数据集中的个人隐私信息，同时保持行人重识别的准确性和可靠性，解决了现有遗忘算法中只针对类别数据样本数量一致的限制问题。
-
公开(公告)号：CN117349899B
公开(公告)日：2024-04-05
申请号：CN202311658311.2
申请日：2023-12-06
申请人： 湖北省楚天云有限公司 , 华中科技大学
摘要： 本发明公开了一种基于遗忘模型的敏感数据处理方法、系统及存储介质，所述方法包括：根据遗忘数据错误率最小化噪声矩阵通过初始化机器学习识别模型和原始机器学习模型，获得噪声KL散度；基于KL散度更新原始机器学习识别模型，获得待处理遗忘模型；根据错误率最小化样本通过原始机器学习识别模型和待处理遗忘模型，获得样本KL散度；基于样本KL散度对待处理遗忘模型进行更新，获得遗忘模型；获取待识别数据，并将待识别数据输入至遗忘模型中进行类别预测，获得待识别敏感数据的错误预测结果和待识别安全数据的正确预测结果。本发明得到了隐私数据抹除后的遗忘模型，在不牺牲模型性能的前提下，有效保护个人敏感信息的隐私安全。
-
公开(公告)号：CN117349899A
公开(公告)日：2024-01-05
申请号：CN202311658311.2
申请日：2023-12-06
申请人： 湖北省楚天云有限公司 , 华中科技大学
摘要： 本发明公开了一种基于遗忘模型的敏感数据处理方法、系统及存储介质，所述方法包括：根据遗忘数据错误率最小化噪声矩阵通过初始化机器学习识别模型和原始机器学习模型，获得噪声KL散度；基于KL散度更新原始机器学习识别模型，获得待处理遗忘模型；根据错误率最小化样本通过原始机器学习识别模型和待处理遗忘模型，获得样本KL散度；基于样本KL散度对待处理遗忘模型进行更新，获得遗忘模型；获取待识别数据，并将待识别数据输入至遗忘模型中进行类别预测，获得待识别敏感数据的错误预测结果和待识别安全数据的正确预测结果。本发明得到了隐私数据抹除后的遗忘模型，在不牺牲模型性能的前提下，有效保护个人敏感信息的隐私安全。
-
-
-
搜索结果
4 条记录 (耗时 0.035 秒)
