一种基于差分隐私的多维数据集一致脱敏方法及装置

    公开(公告)号:CN119378011A

    公开(公告)日:2025-01-28

    申请号:CN202411446722.X

    申请日:2024-10-16

    Abstract: 本发明公开了一种基于差分隐私的多维数据集一致脱敏方法及装置,方法包括从原始多维数据集中选出多个冗余属性进行脱敏处理得到多个脱敏后的冗余属性;从原始多维数据集中确定多个数值关联属性集;根据每个数值关联属性集中的主要属性和每个关联属性之间的预设关联关系选择对应的关联程度算法计算出该主要属性和每个关联属性之间的关联程度值;对每个主要属性进行脱敏,并根据计算出的关联程度值对每个关联属性进行脱敏,得到脱敏后的数值关联属性集;根据多个脱敏后的冗余属性和脱敏后的数值关联属性集对每个包含关联属性集进行脱敏;合并脱敏后的冗余属性、数值关联属性集和包含关联属性集得到脱敏数据集,从而提高了脱敏数据集的可用性。

    一种基于深监督融合和特征平滑的指向性物体分割方法

    公开(公告)号:CN115331005A

    公开(公告)日:2022-11-11

    申请号:CN202210955003.5

    申请日:2022-08-10

    Abstract: 本发明公开了一种基于深监督融合和特征平滑的指向性物体分割方法。本发明采用深监督特征融合,能够在特征融合与上采样过程中对特征充分监督,同时可以有效结合不同细粒度特征信息,使的最终获得的掩码即可以保留全局特征下的位置信息,也可兼顾局部特征中的细节信息从而有效的提高分割的准确率,采用特征平滑损失函数,可以有效降低特征在融合与上采样过程的大幅波动的可能性,提升最终生成分割掩码的一致性,保证了模型训练过程的稳定性。基于不同的backbone可采用一些训练技巧,选择对应合理的网络参数、优化算法以及学习率的设置,从而提高了指向性物体分割的准确率。

Patent Agency Ranking