[发明专利]可解释性深度学习的差分隐私保护方法有效
| 申请号： | 202010011049.2 | 申请日： | 2020-01-06 |
| 公开（公告）号： | CN111242196B | 公开（公告）日： | 2022-06-21 |
| 发明（设计）人： | 王金艳;李德;胡宇航;李先贤 | 申请（专利权）人： | 广西师范大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06F21/62 |
| 代理公司： | 桂林市持衡专利商标事务所有限公司 45107 | 代理人： | 陈跃琳 |
| 地址： | 541004 广西壮*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种可解释性深度学习的差分隐私保护方法，通过在FF‑CNN的第一层卷积层加入差分隐私保护以及在模型的输出层的损失函数中加入差分隐私，保证了模型的输入与输出端的安全，从而保护了模型数据提供者的个人隐私，并且通过在第二次采样层得到的数据特征利用k‑means++算法进行聚类后，进行mixup插值法进行数据增强，提升整个模型的鲁棒性。本发明基于可解释性深度学习模型的隐私保护策略，使得模型使用者可以利用深度学习模型得到具有可解释性的结果并且不泄露个人的隐私信息。 | ||
| 搜索关键词： | 解释性 深度 学习 隐私 保护 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广西师范大学，未经广西师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010011049.2/，转载请声明来源钻瓜专利网。
