一种基于深度卷积生成对抗网络的数据去隐私化方法技术

本发明专利技术涉及隐私保护技术领域，本发明专利技术公开了一种基于深度卷积生成对抗网络的数据去隐私化方法，包括以下步骤：步骤1，选择数据集：对数据集进行预处理；步骤2，通过深度卷积生成对抗网络训练模型：选择CNN作为判别器，通过生成器和判别器之间的互相博弈对模型进行训练；步骤3，生成合成数据：保存训练好的模型，使用训练好的模型生成合成数据；步骤4，对于数据进行相似性评估：分别对数据集的原始数据以及生成的合成数据进行降维分析以及数理统计分析；步骤5，使用距离度量以及命中率度量对于生成的合成数据进行去隐私化程度的分析。使用去隐私化数据来保护原始数据集不会因为遭受到数据重构攻击而造成数据的泄露。

【技术实现步骤摘要】

本专利技术属于隐私保护，具体涉及一种基于深度卷积生成对抗网络的数据去隐私化方法。

技术介绍

0、技术背景

1、随着互联网、移动设备和物联网等技术的普及，大量数据被生成和收集，数据的规模和复杂性呈指数级增长。这导致了对个人隐私的更大关注，需要更加有效的技术来保护个人数据。并且随着大规模数据泄露和隐私侵犯事件的频繁发生，公众对个人数据安全和隐私保护的关注度明显提高。这些事件包括社交媒体数据泄露、黑客攻击、身份盗窃等，引发了隐私保护技术的研究和发展。在许多领域，如医疗保健、金融、科学研究等，数据共享和合作对于取得更好的结果至关重要。然而，个人数据的共享往往涉及隐私风险，所以需要隐私保护技术来确保数据的安全性和隐私性。并且随着公众隐私保护意识的提高，用户对个人数据的隐私权和控制权提出更高的要求。这也进一步推动了隐私保护技术的发展，以满足用户的隐私保护需求。

2、目前使用较多的隐私保护技术包括数据脱敏技术、数据匿名化技术、去标识化技术等。匿名化是指个人信息经过处理无法识别特定自然人且不能复原的过程。数据去标识化是指个人信息经过处理，使其在不借本文档来自技高网...

【技术保护点】

1.一种基于深度卷积生成对抗网络的数据去隐私化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于深度卷积生成对抗网络的数据去隐私化方法，其特征在于，所述步骤1中，选用Adult数据集作为需要进行去隐私化处理的数据集，并对数据集进行预处理。

3.根据权利要求1所述一种基于深度卷积生成对抗网络的数据去隐私化方法，其特征在于，

4.根据权利要求1所述一种基于深度卷积生成对抗网络的数据去隐私化方法，其特征在于，

5.根据权利要求1所述一种基于深度卷积生成对抗网络的数据去隐私化方法，其特征在于，

6.根据权利要求1所述一种基...

【技术特征摘要】

1.一种基于深度卷积生成对抗网络的数据去隐私化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于深度卷积生成对抗网络的数据去隐私化方法，其特征在于，所述步骤1中，选用adult数据集作为需要进行去隐私化处理的数据集，并对数据集进行预处理。

3.根据权利要求1所述一种基于深度卷积生成对抗...

【专利技术属性】
技术研发人员：王一川，徐瑾楠，张亚玲，任炬，王欢，雷迎科，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：