电子信息技术

本发明公开了一种多源域迁移中的对抗域自适应差分隐私保护方法，以设定的采样概率对多源域数据集、目标域数据集进行随机采样，将得到的源域样本集和目标域样本集分别输入特征提取网络或目标任务网络进行特征提取和分类，并对迭代完成得到的权重进行归一化处理；基于设定的梯度反传层对所述特征提取网络参数进行更新；利用设定的分割阈值分别对所述特征提取网络和所述目标任务网络参数更新时，将梯度进行切割然后加入高斯噪声，并计算出对应的隐私预算；直至所述隐私预算达到预算阈值，将所述特征提取网络和所述目标任务网络组合得到差分隐私分类模型，保证多源域迁移中的隐私安全。

技术亮点

本发明的目的在于提供一种多源域迁移中的对抗域自适应差分隐私保护方法，保证多源域迁移中的隐私安全。为实现上述目的，本发明提供了一种多源域迁移中的对抗域自适应差分隐私保护方法，包括以下步骤：将获取的源域样本集和目标域样本集分别输入特征提取网络或目标任务网络进行特征提取和更新，并对迭代完成得到的权重进行归一化处理；基于设定的梯度反传层对所述特征提取网络参数进行更新；

本发明的一种多源域迁移中的对抗域自适应差分隐私保护方法，获取多源域数据集、目标域数据集和初始化网络参数，并以设定的采样概率对任一个所述多源域数据集和所述目标域数据集分别进行随机采样，得到所述源域样本集和所述目标域样本集，将源域样本集和目标域样本集分别输入特征提取网络或目标任务网络进行特征提取和更新，并对迭代完成得到的权重进行归一化处理；基于设定的梯度反传层对所述特征提取网络参数进行更新；根据隐私泄露风险，利用设定的分割阈值分别对所述特征提取网络和所述目标任务网络进行分割，并计算出对应的隐私预算；直至所述隐私预算达到预算阈值，将所述特征提取网络和所述目标任务网络进行组合，得到差分隐私分类模型，并将所述差分隐私分类模型进行存储和上传，保证多源域迁移中的隐私安全。

多源域迁移是指在不同数据源上训练的模型之间进行知识迁移的过程。对抗域自适应差分隐私保护方法是一种在多源域迁移过程中保护数据隐私的方法。它通过引入对抗学习机制，使得模型在学习过程中不会泄露数据来源和用户隐私信息，同时保证模型的性能。对抗域自适应差分隐私保护方法的应用前景非常广泛。以下是一些可能的应用领域：

医疗保健：医疗保健领域是一个涉及大量个人隐私信息的行业。通过使用对抗域自适应差分隐私保护方法，医疗机构可以在分享和整合医疗数据的同时，保护患者的隐私信息。

金融服务：金融服务行业需要保护用户的个人信息和交易数据。通过使用对抗域自适应差分隐私保护方法，银行、证券公司等金融机构可以在进行数据分析和模型训练时，保护用户的隐私信息。

电子商务：电子商务平台需要收集和分析用户的购物历史、兴趣爱好等信息，以提供个性化的购物体验。通过使用对抗域自适应差分隐私保护方法，电子商务平台可以在不泄露用户隐私信息的前提下，进行数据分析和模型训练。

智能城市：智能城市需要收集和分析城市中的大量数据，以提高城市管理和服务水平。通过使用对抗域自适应差分隐私保护方法，城市管理部门可以在保护隐私信息的前提下，进行数据分析和模型训练，为市民提供更好的服务。

总之，对抗域自适应差分隐私保护方法是一种保护数据隐私的有效方法。它不仅可以在多源域迁移过程中保护数据隐私，还可以在其他涉及数据隐私保护的领域得到广泛应用。