基于生成对抗网络的文本序列数据集脱敏

• 作者: 吕锡香 张煜 李一戈 邹宇聪
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 隐私保护 数据脱敏 生成对抗网络 差分隐私
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 109-119
• 页数: 11页
• 分类号: TP309.2
• 字数: 8312字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2020046

摘要

基于生成对抗网络和差分隐私提出一种文本序列数据集脱敏模型,即差分隐私文本序列生成网络(DP-SeqGAN).DP-SeqGAN通过生成对抗网络自动提取数据集的重要特征并生成与原数据分布接近的新数据集,基于差分隐私对模型做随机加扰以提高生成数据集的隐私性,并进一步降低鉴别器过拟合.DP-SeqGAN具有直观通用性,无须对具体数据集设计针对性脱敏规则和对模型做适应性调整.实验表明,数据集经DP-SeqGAN脱敏后其隐私性和可用性明显提升,成员推断攻击成功率明显降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕锡香	西安电子科技大学网络与信息安全学院	4	37	3.0	4.0
2	张煜	西安电子科技大学网络与信息安全学院	10	132	6.0	10.0
3	邹宇聪	西安电子科技大学网络与信息安全学院	1	0	0.0	0.0
4	李一戈	西安电子科技大学网络与信息安全学院	1	0	0.0	0.0