[发明专利]一种基于鸟群优化的深度学习模型隐私保护方法在审
| 申请号： | 202310002235.3 | 申请日： | 2023-01-03 |
| 公开（公告）号： | CN115983316A | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 张攀峰;吴丹华;赵聪;杜慧 | 申请（专利权）人： | 桂林理工大学 |
| 主分类号： | G06N3/006 | 分类号： | G06N3/006;G06N3/08;G06N3/082;G06N3/084;G06F18/214;G06F21/62 |
| 代理公司： | 桂林文必达专利代理事务所(特殊普通合伙) 45134 | 代理人： | 白洪 |
| 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： | 本发明涉及隐私保护技术领域，具体涉及一种基于鸟群优化的深度学习模型隐私保护方法，包括首先进行数据集蒸馏，将精炼后的数据集作为模型训练的输入数据集；将鸟群参数初始化，用鸟的位置表示各神经元的权重参数；在每一次的迭代中，利用鸟的位置参数计算当前梯度，对所得梯度进行剪裁；对每个样本梯度添加噪声，梯度下降，参数更新；根据适应度，更新个体历史最优位置和当下种群最优鸟的位置，重新进行新一轮的迭代训练；达到停止条件时，迭代结束，得到一个满足差分隐私的网络和扰动后的最优参数。经验证，本发明在收敛速度、最终收敛程度和测试效果上均优于基准方法，在保护用户隐私的同时，更好地保留了模型的准确性。 | ||
| 搜索关键词： | 一种 基于 鸟群 优化 深度 学习 模型 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桂林理工大学，未经桂林理工大学许可，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/202310002235.3/，转载请声明来源钻瓜专利网。
