基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
神经网络的优化算法在训练模型时所使用的数据集可能包含用户的敏感信息,容易在训练的过程中造成隐私泄露.为了在神经网络优化算法Adam上实现差分隐私保护,提出差分隐私保护下的Adam优化算法(DP-Adam).将Adam优化算法与差分隐私理论结合,在神经网络反向传播的Adam梯度下降更新参数过程中加入满足差分隐私的拉普拉斯噪声,从而达到对神经网络优化算法进行隐私保护的目的.实验表明,对于相同的隐私预算,随着训练轮数的增加,DP-Adam训练模型的精度优于DP-SGD.在达到同样的模型精度的条件下,DP-Adam所需要的隐私预算更小,即DP-Adam的隐私保护程度比DP-SGD更高.
推荐文章
面向差分隐私保护的随机森林算法
隐私保护
差分隐私
随机森林
决策树
CART分类树
基于差分隐私保护的DP-DBScan聚类算法研究
差分隐私
DBScan
DP-DBScan
隐私保护
数据挖掘
PINQ下K-means的差分隐私保护研究
K-means
数据失真
差分隐私
PINQ
差分隐私保护研究综述
差分隐私
隐私保护
数据失真
数据挖掘
数据发布
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 差分隐私保护下的Adam优化算法研究
来源期刊 计算机应用与软件 学科 工学
关键词 神经网络 差分隐私 Adam 算法 隐私保护
年,卷(期) 2020,(6) 所属期刊栏目 算法
研究方向 页码范围 253-258,296
页数 7页 分类号 TP309.2
字数 5103字 语种 中文
DOI 10.3969/j.issn.1000-386x.2020.06.044
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李红娇 上海电力学院计算机科学与技术学院 24 63 4.0 7.0
2 李敏 上海电力学院计算机科学与技术学院 34 43 4.0 5.0
3 陈杰 上海电力学院计算机科学与技术学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (55)
共引文献  (109)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(7)
  • 参考文献(1)
  • 二级参考文献(6)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(6)
  • 参考文献(1)
  • 二级参考文献(5)
2015(10)
  • 参考文献(0)
  • 二级参考文献(10)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(3)
  • 参考文献(0)
  • 二级参考文献(3)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
神经网络
差分隐私
Adam
算法
隐私保护
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导