-
公开(公告)号：CN114170338A
公开(公告)日：2022-03-11
申请号：CN202111413142.7
申请日：2021-11-25
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种差分隐私保护下基于自适应梯度裁剪的图像生成方法，解决了以往基于隐私保护的生成模型算法在基于训练数据的梯度裁剪方法下加入噪声过大，裁剪不合理的问题，同时改进了基于模型层的梯度裁剪方法下裁剪阈值的分配方法，在使用合理分配裁剪阈值的前提下加快了网络学习的效率，并在选择更细裁剪粒度的情况下进一步降低了裁剪后加入梯度噪声的大小。因此，本方法能够提供更合理的梯度裁剪方式和更小的噪声加入。与之前的方法相比，能够使生成模型在更合适的裁剪以及加入更小噪声的情况下更快速地收敛至局部最优解，达到生成优质图片的目的。
-
公开(公告)号：CN111768268A
公开(公告)日：2020-10-13
申请号：CN202010543185.6
申请日：2020-06-15
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于本地化差分隐私的推荐系统，主要的流程为：(1)用户端对其相关的历史购买商品行为数据进行编码，然后使用满足本地化差分隐私的随机扰动算法对其进行扰动，最后将扰动后的数据发送给服务器端；(2)服务器端收集所有扰动后的数据，然后重建用户历史购买行为的相关信息，最后使用图嵌入算法将其映射为低维向量返回给用户端；(3)每个用户端通过最终生成的向量，计算各自推荐的候选集，从而完成在保护隐私情况下的商品推荐。本发明使用了本地化差分隐私保护技术，该系统无需可信第三方作为媒介，保证了每个用户的隐私信息不被第三方窃取，也保证系统最终推荐结果的有用性。
-
Search Results
12
records
(took 0.015 seconds)
