计算机应用研究2021，Vol.38Issue(7) ：2009-2012.DOI:10.19734/j.issn.1001-3695.2020.10.0360

保护数据隐私的深度学习训练数据生成方案

Privacy-preserving deep learning training data generation scheme

汤凤仪 刘建 王会梅 鲜明
计算机应用研究2021，Vol.38Issue(7) ：2009-2012.DOI:10.19734/j.issn.1001-3695.2020.10.0360
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

保护数据隐私的深度学习训练数据生成方案

Privacy-preserving deep learning training data generation scheme

汤凤仪 1刘建 1王会梅 1鲜明1
扫码查看

作者信息

  • 1. 国防科技大学 电子科学学院,长沙410000
  • 折叠

摘要

深度学习模型训练存在缺少大量带标签训练数据和数据隐私泄露等问题.为了解决这些问题,借由生成对抗网络可生成大量与真实数据同分布的对抗样本的特点,提出了一个基于条件生成对抗网络的深度学习模型训练数据生成方案.该方案采用条件生成对抗网络生成数据,满足了生成大量带标签训练数据的需求;结合数据变形方法实现数据隐私保护,解决了数据隐私泄露的问题.实验结果表明该方案是高效可行的,而且与其他方案相比,其在数据可用性和保护隐私方面具有优势.

关键词

数据变形/网络层增强/隐私保护/条件对抗生成网络

引用本文复制引用

基金项目

国家自然科学基金()

出版年

2021
计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
被引量3
参考文献量2
段落导航相关论文