基于迁移学习的多源数据隐私保护方法研究

• 作者: 付玉香 申国伟 秦永彬
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 隐私保护 多源数据 差分隐私 迁移学习 全局分类器 本地分类器
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 641-648
• 页数: 8页
• 分类号: TP309.2
• 字数: 7136字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.04.010

摘要

隐私保护的多源数据分析是大数据分析的研究热点,在多方隐私数据中学习分类器具有重要应用.提出两阶段的隐私保护分析器模型,首先在本地使用具有隐私保护性的PATE-T模型对隐私数据训练分类器;然后集合多方分类器,使用迁移学习将集合知识迁移到全局分类器,建立一个准确的、具有差分隐私的全局分类器.该全局分类器无需访问任何一方隐私数据.实验结果表明,全局分类器不仅能够很好地诠释各个本地分类器,而且还可以保护各方隐私训练数据的细节.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦永彬	贵州大学计算机科学与技术学院	63	213	8.0	10.0
5	付玉香	贵州大学计算机科学与技术学院	2	2	1.0	1.0
6	申国伟	贵州大学计算机科学与技术学院	10	12	2.0	3.0