计算机应用研究

作者：于雅娜,李红娇,李晋国,

单位：上海电力大学计算机科学与技术学院,上海201306；

关键词：差分隐私保护,深度学习,梯度惩罚Wasserstein生成对抗网络,

基金：国家自然科学基金资助项目(61403247,61702321)；上海市科委地方能力建设项目(15110500700)；上海市信息安全综合管理技术研究重点实验室开放课题(AGK2015005)；；

针对攻击者利用生成式对抗网络技术（GAN）还原出训练集中的数据，泄露用户隐私信息的问题，提出了一种差分隐私保护梯度惩罚Wasserstein生成对抗网络（WGAN-GP）的方法。该方法在深度学习训练过程中对梯度添加精确计算后的高斯噪声，并使用梯度惩罚进行梯度修正，实现差分隐私保护。利用梯度惩罚Wasserstein生成对抗网络与原始数据相似的数据。实验结果表明，在保证数据可用性的前提下，该方法可以有效保护数据的隐私信息，且生成数据具有较好的质量。

来源：2021年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第9期