CN114154183B 一种工业系统公开数据保护方法和系统 （西安交通大学）_第1页
CN114154183B 一种工业系统公开数据保护方法和系统 （西安交通大学）_第2页
CN114154183B 一种工业系统公开数据保护方法和系统 （西安交通大学）_第3页
CN114154183B 一种工业系统公开数据保护方法和系统 （西安交通大学）_第4页
CN114154183B 一种工业系统公开数据保护方法和系统 （西安交通大学）_第5页
已阅读5页，还剩14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

本发明公开了一种工业系统公开数据保护基于原始公开数据集和对抗生成网络训练数据数据不同密级对象的平等发放及后续针对高密的同时可阻止未受信第三方通过推断反演等手2步骤2，基于工业系统相关先验知识确定步骤1中选取的z'为正样本训练判别网络D，并同步训练生成网络G以使真实编码z的概率分布更接近预定步骤6.2，将步骤4中训练完成的判别网络D的网络模型部署于高密级对象的数据接收误差值小于设置的阈值或达到最大训练次数，同时对网络训练参数{β}进行调整已获取更3向量集{z'}为正样本，以步骤3训练所得生成网络G的编码层输出的真实数据的编码集{z}数fGD同步训练生成网络G的网络参数，以使生成网络编码器层输出更接近伪编码的真实数数据获取模块，从工业系统数据管理中心以多组列向公开数据的多组历史数据{x}；基于工业系统相关先验知识确定选取的公开数据的生成机理模型及对应的隐含关键参数，根据获取的先验知识从预设定的概率分布p(z')生成足量伪编码z'；模型训练模块，基于自编码器构建用于生成数据获取模块选取的码器层的激活函数及部分网络结构参数设置，然后输入多组历史数据{x}训练该网络输出得生成网络G编码层输出的真实编码z近似服从概率分布p(z')的同时判别网络D可以实现4企业运营等隐私信息)或添加一些数据噪声(例如人脸打码)来实现敏感信息的脱离。但是5[0008]步骤1，以多组列向量的格式获取需保护的工业系统公开数据的多组历史数据层的激活函数及部分网络结构参数设置，然后输入步骤1获取的数据集{x}训练该自编码总误差值小于设置的阈值或达到最大训练次数，同时对网络训练参数{β}进行调整已获取基于对抗网络训练框架，以步骤3中由真实数据输入生成网络G编码层所得真实编码z为负失函数fGD同步训练生成网络G的网络参数，以使生成网络编码器层输出更接近伪编码的真[0021]步骤5.2，将伪编码集{z″6[0025]步骤6.2，将步骤4中训练完成的判别[0028]进一步，步骤2中提到的数据生成机理模型是指根据产生该类公开数据的物理模[0029]进一步，步骤3中提到的自编码器是一种用于学习输入数据编码表示的一种人工网络层级深度的设置(主要指隐层数)，各层神经元节点的数量(本发明中神经网络主要用[0031]进一步，步骤4中提到的对抗网络训练框架是指对抗生成网络(GAN，Generative789的数据中心)获取需公开的工业系统公开数据。本实例中以电力系统节点注入功率数据为[0057]基于自编码器构建生成网络G，输入多组历史数据训练该网络输出原始数据重建差值小于设置的阈值或达到最大训练次数，同时对网络训练参数{β}进行调整已获取更优[0073](1)将模型训练过程中训练完成的判别网络D的网络模型部署于高密级对象的数

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