支持差分隐私的图像数据挖掘方法研究

TP399; 针对数据挖掘模型中存在的隐私泄漏问题及现有隐私保护技术的不透明性,本文将差分隐私与图像生成模型生成对抗网络(Generative adversarial network,GAN)相结合,提出了一种更具普适性的支持图像数据差分隐私保护的生成对抗网络模型(Image differential privacy-GAN,IDP-GAN).IDP-GAN通过差分隐私的拉普拉斯实现机制,将拉普拉斯噪声合理地分配到判别器的仿射变换层的输入特征以及输出层的损失函数的多项式近似系数中.在实现差分隐私保护的同时,有效地减少了训练过程中隐私预算的消耗.标准数据集MNIST和CelebA上的实验验证了I...

Full description

Saved in:
Bibliographic Details
Published in数据采集与处理 Vol. 36; no. 1; pp. 85 - 94
Main Authors 杨云鹿, 周亚建, 宁华
Format Journal Article
LanguageChinese
Published 中国信息通信研究院移动应用创新与治理技术工业和信息化部重点实验室,北京 100191%北京邮电大学网络空间安全学院,北京 100876 2021
Subjects
差分隐私
生成对抗网络
图像生成
数据挖掘
Online AccessGet full text

Cover

More Information
Summary:TP399; 针对数据挖掘模型中存在的隐私泄漏问题及现有隐私保护技术的不透明性,本文将差分隐私与图像生成模型生成对抗网络(Generative adversarial network,GAN)相结合,提出了一种更具普适性的支持图像数据差分隐私保护的生成对抗网络模型(Image differential privacy-GAN,IDP-GAN).IDP-GAN通过差分隐私的拉普拉斯实现机制,将拉普拉斯噪声合理地分配到判别器的仿射变换层的输入特征以及输出层的损失函数的多项式近似系数中.在实现差分隐私保护的同时,有效地减少了训练过程中隐私预算的消耗.标准数据集MNIST和CelebA上的实验验证了IDP-GAN可以生成更高质量的图像数据,此外用成员推理攻击实验证明了IDP-GAN具有较好的抗攻击能力.
ISSN:1004-9037
DOI:10.16337/j.1004-9037.2021.01.008