支持层级相关性传播的差分隐私分类算法研究

摘要

为了防止攻击者在深度学习图像分类过程中还原训练集数据并保护输入图像数据,提出一种基于层级相关性传播的差分隐私分类算法.该算法首先采用层级相关性传播模型量化图像的特征相关性,然后利用相关性自适应地向损失函数添加噪声并利用Adam算法进行模型优化,最后依据相关性分配隐私预算并构造差分隐私变换层以扰动输入数据.实验结果表明,该算法在实现隐私保护的同时,能够保证较高的分类准确率.