申请/专利权人:湖北省楚天云有限公司;华中科技大学
申请日:2023-12-06
公开(公告)日:2024-04-05
公开(公告)号:CN117349899B
主分类号:G06F21/62
分类号:G06F21/62;G06N20/00;G06F18/10;G06F17/16
优先权:
专利状态码:有效-授权
法律状态:2024.04.05#授权;2024.01.23#实质审查的生效;2024.01.05#公开
摘要:本发明公开了一种基于遗忘模型的敏感数据处理方法、系统及存储介质,所述方法包括:根据遗忘数据错误率最小化噪声矩阵通过初始化机器学习识别模型和原始机器学习模型,获得噪声KL散度;基于KL散度更新原始机器学习识别模型,获得待处理遗忘模型;根据错误率最小化样本通过原始机器学习识别模型和待处理遗忘模型,获得样本KL散度;基于样本KL散度对待处理遗忘模型进行更新,获得遗忘模型;获取待识别数据,并将待识别数据输入至遗忘模型中进行类别预测,获得待识别敏感数据的错误预测结果和待识别安全数据的正确预测结果。本发明得到了隐私数据抹除后的遗忘模型,在不牺牲模型性能的前提下,有效保护个人敏感信息的隐私安全。
主权项:1.一种基于遗忘模型的敏感数据处理方法,其特征在于,所述基于遗忘模型的敏感数据处理方法包括以下步骤:通过噪声生成器和原始机器学习识别模型生成遗忘数据错误率最小化噪声矩阵;根据所述遗忘数据错误率最小化噪声矩阵通过初始化机器学习识别模型和所述原始机器学习识别模型,获得噪声KL散度;基于所述噪声KL散度更新所述原始机器学习识别模型,获得待处理遗忘模型;根据错误率最小化样本通过所述原始机器学习识别模型和所述待处理遗忘模型,获得样本KL散度;基于所述样本KL散度对所述待处理遗忘模型进行更新,获得遗忘模型;获取待识别数据,所述待识别数据包括待识别敏感数据和待识别安全数据,并将所述待识别数据输入至遗忘模型中进行类别预测,获得所述待识别敏感数据的错误预测结果和所述待识别安全数据的正确预测结果。
全文数据:
权利要求:
百度查询: 湖北省楚天云有限公司;华中科技大学 基于遗忘模型的敏感数据处理方法、系统及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。