声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：汤凤仪,刘建,王会梅,鲜明,
单位：国防科技大学电子科学学院,长沙410000；
关键词：数据变形,网络层增强,隐私保护,条件对抗生成网络,
基金：国家自然科学基金资助项目；；
深度学习模型训练存在缺少大量带标签训练数据和数据隐私泄露等问题。为了解决这些问题，借由生成对抗网络可生成大量与真实数据同分布的对抗样本的特点，提出了一个基于条件生成对抗网络的深度学习模型训练数据生成方案。该方案采用条件生成对抗网络生成数据，满足了生成大量带标签训练数据的需求；结合数据变形方法实现数据隐私保护，解决了数据隐私泄露的问题。实验结果表明该方案是高效可行的，而且与其他方案相比，其在数据可用性和保护隐私方面具有优势。
来源：2021年第7期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。