文档详情

基于差分隐私的深度强化学习模型安全加固方法及装置.pdf

发布：2023-06-17约1.2万字共11页下载文档

文本预览下载声明

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113360917 A (43)申请公布日 2021.09.07 (21)申请号 202110766183.8 (22)申请日 2021.07.07 (71)申请人浙江工业大学地址

显示全部

相似文档

基于差分隐私的深度学习隐私保护方法研究.pdf 哈尔滨理工大学工学硕士学位论文 基于差分隐私的深度学习隐私保护方法研究摘要随着深度学习研究的日益发展，其在多个应用领域中都取得了成功，而 深度学习技术通常要对海量数据进行收集与训练，但是直接将用户数据用于人工智能任务训练，存在着泄露隐私信息的风险。差分隐私作为一种强力的隐私保护机制，已被应用到各种深度学习任务中，本文主要针对隐私数据生成任务以及在联邦学习场景下应用差分隐私进行隐私保护的任务。 差分隐私技术与生成对抗网络相结合作为一种有效实用的隐私数据生成方法，提供严格可靠的具有隐私保护的生成数据。但是在生成高维隐私数据时，会因添加过多的噪声而导致生成数据的可用性较低。针对这一问题
2025-06-08 约9.39万字 59页立即下载
基于差分隐私与模型聚类的安全联邦学习方案.docx 基于差分隐私与模型聚类的安全联邦学习方案目录一、内容综述................................................2 二、差分隐私技术概述........................................3 1.差分隐私定义与原理....................................4 2.差分隐私的应用与发展..................................6 3.差分隐私在联邦学习中的作用............................8 三、模型聚类技术介绍................
2024-11-26 约1.83万字 39页立即下载
深度学习差分隐私.pdf Apreliminaryversionofthipaperappearintheproceedingofthe23rdACMConferenceonComputerandCommunicationsSecurity (CCS2016).Thiiafullversion. eepLearningwithifferentialPrivacy October25,2016 MartínAbadi∗AndChu∗IanGoodfellow† H.BrendanMcMahan∗IlyaMironov∗KunalTalwar∗ LiZhang∗ BSTRCT 61.Wedemonstratethat,by
2025-03-14 约11.28万字 14页立即下载
基于差分隐私技术的问答系统模型训练方法和装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114547687 A (43)申请公布日 2022.05.27 (21)申请号 202210159711.8 (22)申请日 2022.02.22 (71)申请人浙江星汉信息技术股
2023-05-08 约1.98万字 16页立即下载
一种基于特征区域分割的差分隐私深度学习方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114548373 A (43)申请公布日 2022.05.27 (21)申请号 202210144230.X (22)申请日 2022.02.17 (71)申请人河北师范大学地址 050024
2023-05-10 约2.53万字 18页立即下载
基于本地化差分隐私模型的位置保护方法.docx 基于本地化差分隐私模型的位置保护方法一、引言随着信息化社会的发展，位置信息的重要性愈发突出，广泛应用于导航、社交媒体和城市管理等众多领域。然而，随之而来的问题也逐渐浮现：如何在充分利用位置信息的同时，有效保护用户的隐私成为了亟需解决的难题。为了解决这个问题，本文将详细探讨基于本地化差分隐私模型的位置保护方法。二、位置信息隐私保护的必要性位置信息作为个人隐私的重要组成部分，一旦泄露，可能会引发诸多问题，如身份盗窃、网络诈骗等。因此，保护位置信息隐私至关重要。传统的隐私保护方法往往依赖于数据匿名化或加密技术，但这些方法往往无法有效抵御高级的攻击手段。因此，我们需要寻找更为先进的隐私保护方法
2025-03-04 约4.49千字 9页立即下载
基于本地化差分隐私模型的位置保护方法.docx 基于本地化差分隐私模型的位置保护方法一、引言随着移动互联网的快速发展，位置数据在各种应用中扮演着越来越重要的角色。然而，位置数据的泄露和滥用问题也日益突出，给个人隐私带来了严重威胁。为了保护个人隐私，本文提出了一种基于本地化差分隐私模型的位置保护方法。该方法通过在本地对位置数据进行差分隐私处理，有效保护了用户的隐私信息，同时保证了数据的可用性。二、背景与相关研究 差分隐私是一种数学框架，用于度量数据发布或分析过程中个体隐私的泄露风险。近年来，差分隐私在位置数据保护方面得到了广泛的应用。本地化差分隐私模型是指在不将原始数据上传至服务器的情况下，在本地对数据进行差分隐私处理，以保护用户隐私。
2025-05-20 约4.44千字 9页立即下载
基于深度学习的动态差分隐私保护算法.docx 基于深度学习的动态差分隐私保护算法目录 基于深度学习的动态差分隐私保护算法（1）．．．．．．．．．．．．．．．．．．．．4 内容简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4 1.1研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4 1.2动态差分隐私概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5 1.3深度学习与差分隐私的结合．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6 相关技术概述．．．．．．．．．．．．．．．．．．．．．
2025-02-20 约4.18万字 64页立即下载
基于差分隐私的噪声添加方法、装置、设备及介质.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113360945 B (45)授权公告日 2023.04.07 (21)申请号 202110729784.1 (51)Int.Cl .
2023-06-17 约2.22万字 18页立即下载
基于差分隐私保护的数据处理方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114817971 A (43)申请公布日 2022.07.29 (21)申请号 202110120093.1 (22)申请日 2021.01.28 (71)申请人阿里巴巴集团控股有限公司地址英
2023-05-13 约3.23万字 25页立即下载
基于知识蒸馏的差分隐私联邦学习方法.pdf 基于知识蒸馏的差分隐私联邦学习方法 谭智文,徐茹枝,王乃玉,罗丹引用本文谭智文,徐茹枝,王乃玉,罗丹.基于知识蒸馏的差分隐私联邦学方法[J].计算机科学,2024,51(6A): 230600002-8. TANZhiwen,XURuzhi,WANGNaiyu,LUODan.DifferentialPrivacyederatedLearningMethodBased onKnowledgeDistillation[J].ComputerScience,2024,51(6A):230600002-8. 相似文章推荐（请使用火狐或E浏览器查看文章） Similararticlesrecomme
2025-05-17 约8.03万字 9页立即下载
深度强化学习模型的更新方法、装置、框架、介质及设备.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112926735 A (43)申请公布日 2021.06.08 (21)申请号 202110129799.4 (22)申请日 2021.01.29 (71)申请人北京字节跳动网络技术有限公司
2023-06-07 约3.41万字 24页立即下载
基于深度强化学习的车辆路径规划方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114462687 A (43)申请公布日 2022.05.10 (21)申请号 202210043667.4 (22)申请日 2022.01.14 (71)申请人中山大学
2023-05-07 约1.96万字 15页立即下载
一种物联网中基于深度强化学习的拥塞控制方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114567597 A (43)申请公布日 2022.05.31 (21)申请号 202210157995.7 (22)申请日 2022.02.21 (71)申请人重庆邮电大学地址 400065
2023-05-09 约1.77万字 16页立即下载
基于边介数模型的差分隐私保护方案.pptx 基于边介数模型的差分隐私保护方案汇报人：2024-01-09 引言基础知识基于边介数模型的差分隐私保护方案设计实验与分析结论与展望contents目录 01引言随着大数据时代的到来，数据隐私保护问题越来越受到关注。差分隐私作为一种有效的隐私保护方法，通过在数据上添加噪声来保护个体隐私，被广泛应用于各种场景。本研究旨在提出一种基于边介数模型的差分隐私保护方案，为解决上述问题提供有效的方法和思路。在网络分析领域，边介数模型是一种重要的网络结构特征，能够反映网络中节点之间的连接关系和重要性。然而，如何在边介数模型上实现差分隐私保护是一个具有挑战性的问题。研究背景与意义 差分隐私研究现状差分隐私是一
2024-07-13 约2.29千字 24页立即下载