CN113642731B 基于差分隐私的数据生成系统的训练方法及装置 （支付宝(杭州)信息技术有限公司）_第1页
CN113642731B 基于差分隐私的数据生成系统的训练方法及装置 （支付宝(杭州)信息技术有限公司）_第2页
CN113642731B 基于差分隐私的数据生成系统的训练方法及装置 （支付宝(杭州)信息技术有限公司）_第3页
CN113642731B 基于差分隐私的数据生成系统的训练方法及装置 （支付宝(杭州)信息技术有限公司）_第4页
CN113642731B 基于差分隐私的数据生成系统的训练方法及装置 （支付宝(杭州)信息技术有限公司）_第5页
已阅读5页，还剩25页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

202010373419.72020.05.06基于差分隐私的数据生成系统的训练方法本说明书实施例提供一种基于差分隐私的2将第一真实样本输入所述自编码网络，得到第一复原样本；针对所述判别器对应的第一参数，利用差分隐私的方式针对所述自编码网络对应的第二参数，利用差分隐私的方式，所述编码器实现为第一多层感知机，其各层神经元数目逐层递减；所确定所述第一真实样本对应的第一原始向量和所述第一复原样本对应的第一复原向3通过梯度反向传播，分别确定对应于所述解码器参数的第三原始梯度，通过梯度反向传播，分别确定对应于所述解码器参数的第三原始梯度，8.一种基于差分隐私的数据生成系统的训练重构损失确定单元，配置为根据所述第一真实样本和所述第概率获取单元，配置为将第一真实样本输入所述判别器，得到其属于真实第二参数调整单元，配置为针对所述自编码网络对应的第二9.一种计算设备，包括存储器和处理器，其特4[0006]本说明书一个或多个实施例描述了一种基于差分隐私的数据生成系统的训练方56[0024]重构损失确定单元，配置为根据所述第一真实样本和所据生成系统整体上包括自编码网络100和判别器200。自编码网络100可以包括编码器110，7[0043]图2示出根据一个实施例的基于差分隐私的数据生成系统的训练方法的流程图。例如，当第一真实样本x为图片时，第一原始向量F(x)对应于图片中的像素特征构成的向[0048]具体的，在一个实施例中，自编码器网络采用图1所示的结构，其中包括编码器8码器130结构与编码器110对称，其算法和模型参数与编码器130中对应关联(例如为其逆一复原样本x'。的第一特征向量E(x)逐层恢复维度，至输出层得到与第一原始向量F(x)维度相同的向量，[0051]可以理解，表征空间K中的表征向量(例如第一特征向量E(x))对输入的原始向量9[0060]通过以上方式生成的第二特征向量G(z)，可用于模拟真实样本在表征空间K中的[0065]基于步骤22得到的样本重构损失Lr，以及步骤24得到的第一概率P1和第二概率[0087]其中，表示第一噪声梯度；w1(0,o2c20表示概率密度符合以0为均值、σ在梯度添加高斯噪声满足差分隐私的情况下，上述判别器的模型参数的调整满足差分隐裁剪方式类似于以上公式(4)，其中第二裁剪阈值C2与第一裁剪阈值C1独立设置，私的第二高斯噪声N2;将第二高斯噪声与第二裁剪梯度叠加，得到第二噪声梯度于[0100]在通过以上方式反复更新判别器和自编码网络，直到达到预定的结束条件(例如[0102]根据另一方面的实施例，还提供一种基于差分隐私的数[0104]重构损失确定单元42，配置为根据所述第一真实样本和所述第一复原样本的比别确定对应于所述解码器参数的第三原始梯度，对应于所述编码器参数的第四原始梯度，[0117]值得说明的是，图4所示的装置400是与图2示出的方法实施例相对应的装置实施这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论