自适应分配动态隐私预算的差分隐私保护深度学习算法

摘要

本发明的目的是提供一种自适应分配动态隐私预算的差分隐私保护深度学习算法，首先给定数据集，设定并初始化神经网络NN，使用数据集训练神经网络NN，得到不具备隐私保护的深度学习模型M；根据训练好的不具备隐私保护的深度学习模型M，使用LRP算法计算平均特征相关性；进而计算相关性比；最后重新初始化神经网络NN，设定训练的迭代次数，根据相关性比在训练过程中添加噪声，得到具有差分隐私保护的深度学习模型DPM，使得在使用该模型进行预测时能够保护数据隐私。