期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
自适应差分隐私的高效深度学习方案
1
作者
王
玉
画
高胜
+1 位作者
朱建明
黄晨
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第4期54-64,共11页
深度学习在诸多领域取得成功的同时,也逐渐暴露出严重的隐私安全问题。作为一种轻量级隐私保护技术,差分隐私通过对模型添加噪声使得输出结果对数据集中的任意一条数据都不敏感,更适合现实中个人用户隐私保护的场景。针对现有大多差分...
深度学习在诸多领域取得成功的同时,也逐渐暴露出严重的隐私安全问题。作为一种轻量级隐私保护技术,差分隐私通过对模型添加噪声使得输出结果对数据集中的任意一条数据都不敏感,更适合现实中个人用户隐私保护的场景。针对现有大多差分隐私深度学习方案中迭代次数对隐私预算的依赖、数据可用性较低和模型收敛速度较慢等问题,提出了一种自适应差分隐私的高效深度学习方案。首先,基于沙普利加性解释模型设计了一种自适应差分隐私机制,通过对样本特征加噪使得迭代次数独立于隐私预算,再利用函数机制扰动损失函数,从而实现对原始样本和标签的双重保护,同时增强数据可用性。其次,利用自适应矩估计算法调整学习率来加快模型收敛速度。并且,引入零集中差分隐私作为隐私损失统计机制,降低因隐私损失超过隐私预算带来的隐私泄露风险。最后,对方案的隐私性进行理论分析,并在MNIST和Fashion-MNIST数据集上通过对比实验,验证了所提方案的有效性。
展开更多
关键词
深度学习
差分隐私
自适应
隐私损失
模型收敛
下载PDF
职称材料
出“奇”制胜
2
作者
王
玉
才(
画
)
《学习之友》
2023年第9期59-59,共1页
原文传递
题名
自适应差分隐私的高效深度学习方案
1
作者
王
玉
画
高胜
朱建明
黄晨
机构
中央财经大学信息学院
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第4期54-64,共11页
基金
国家自然科学基金(62072487)
北京市自然科学基金(M21036)。
文摘
深度学习在诸多领域取得成功的同时,也逐渐暴露出严重的隐私安全问题。作为一种轻量级隐私保护技术,差分隐私通过对模型添加噪声使得输出结果对数据集中的任意一条数据都不敏感,更适合现实中个人用户隐私保护的场景。针对现有大多差分隐私深度学习方案中迭代次数对隐私预算的依赖、数据可用性较低和模型收敛速度较慢等问题,提出了一种自适应差分隐私的高效深度学习方案。首先,基于沙普利加性解释模型设计了一种自适应差分隐私机制,通过对样本特征加噪使得迭代次数独立于隐私预算,再利用函数机制扰动损失函数,从而实现对原始样本和标签的双重保护,同时增强数据可用性。其次,利用自适应矩估计算法调整学习率来加快模型收敛速度。并且,引入零集中差分隐私作为隐私损失统计机制,降低因隐私损失超过隐私预算带来的隐私泄露风险。最后,对方案的隐私性进行理论分析,并在MNIST和Fashion-MNIST数据集上通过对比实验,验证了所提方案的有效性。
关键词
深度学习
差分隐私
自适应
隐私损失
模型收敛
Keywords
deep learning
differential privacy
self-adaptation
privacy loss
model convergence
分类号
TP309 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
出“奇”制胜
2
作者
王
玉
才(
画
)
机构
不详
出处
《学习之友》
2023年第9期59-59,共1页
分类号
C [社会学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
自适应差分隐私的高效深度学习方案
王
玉
画
高胜
朱建明
黄晨
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
出“奇”制胜
王
玉
才(
画
)
《学习之友》
2023
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
