计算机应用研究2021，Vol.38Issue(9) ：2837-2841.DOI:10.19734/j.issn.1001-3695.2020.12.0557

差分隐私保护WGAN-GP算法研究

Research on differential privacy protection for WGAN-GP algorithm

于雅娜 李红娇 李晋国
计算机应用研究2021，Vol.38Issue(9) ：2837-2841.DOI:10.19734/j.issn.1001-3695.2020.12.0557
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

差分隐私保护WGAN-GP算法研究

Research on differential privacy protection for WGAN-GP algorithm

于雅娜 1李红娇 1李晋国1
扫码查看

作者信息

  • 1. 上海电力大学 计算机科学与技术学院,上海201306
  • 折叠

摘要

针对攻击者利用生成式对抗网络技术(GAN)还原出训练集中的数据,泄露用户隐私信息的问题,提出了一种差分隐私保护梯度惩罚Wasserstein生成对抗网络(WGAN-GP)的方法.该方法在深度学习训练过程中对梯度添加精确计算后的高斯噪声,并使用梯度惩罚进行梯度修正,实现差分隐私保护.利用梯度惩罚Wasser-stein生成对抗网络与原始数据相似的数据.实验结果表明,在保证数据可用性的前提下,该方法可以有效保护数据的隐私信息,且生成数据具有较好的质量.

关键词

差分隐私保护/深度学习/梯度惩罚Wasserstein生成对抗网络

引用本文复制引用

基金项目

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4
参考文献量3
段落导航相关论文