【技术实现步骤摘要】
本专利技术涉及数据安全，尤其涉及基于联邦学习的大数据隐私保护方法及系统。
技术介绍
1、数据安全是一个专注于保护数据免受非授权访问和处理的领域，这一领域的核心任务是确保在存储、处理和传输大量数据时，个人和企业的隐私和敏感信息得到充分保护，随着大数据的兴起，个人和企业面临越来越多的数据安全挑战，包括数据泄露、未授权访问和数据滥用，数据安全领域集中研究和开发各种技术和策略，以确保数据的机密性、完整性和可用性。这包括数据加密、访问控制、网络安全策略和合规性监管，旨在创建一个安全的数据环境，同时允许数据的合理利用。
2、其中，大数据隐私保护方法是指一系列旨在保护大数据环境中处理的数据不受非授权访问和使用的技术和策略，这些方法的目的是在保持数据可用性和分析能力的同时，保护个人隐私和敏感信息，这些方法的效果在于使企业和组织能够在利用大数据带来的优势的同时，减少隐私泄露的风险，确保遵守隐私保护的法律和道德标准。
3、传统大数据隐私保护方法依赖单一算法或简单模型，难以适应复杂多变的数据类型和场景，导致敏感信息的识别不够准确，隐私...
【技术保护点】
1.基于联邦学习的大数据隐私保护方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于联邦学习的大数据隐私保护方法，其特征在于，基于联邦学习环境，采用自然语言处理和卷积神经网络，对文本和图像数据进行分析，生成数据特征识别结果的步骤具体为：
3.根据权利要求1所述的基于联邦学习的大数据隐私保护方法，其特征在于，基于所述数据特征识别结果，采用随机森林和梯度提升机，构建跨节点模型，生成联邦学习模型的步骤具体为：
4.根据权利要求1所述的基于联邦学习的大数据隐私保护方法，其特征在于，基于所述联邦学习模型，采用决策树算法和贝叶斯网络，...
【技术特征摘要】
1.基于联邦学习的大数据隐私保护方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于联邦学习的大数据隐私保护方法，其特征在于，基于联邦学习环境，采用自然语言处理和卷积神经网络，对文本和图像数据进行分析，生成数据特征识别结果的步骤具体为：
3.根据权利要求1所述的基于联邦学习的大数据隐私保护方法，其特征在于，基于所述数据特征识别结果，采用随机森林和梯度提升机，构建跨节点模型，生成联邦学习模型的步骤具体为：
4.根据权利要求1所述的基于联邦学习的大数据隐私保护方法，其特征在于，基于所述联邦学习模型，采用决策树算法和贝叶斯网络，结合数据特征和使用情境，动态分配隐私等级，生成动态等级方案的步骤具体为：
5.根据权利要求1所述的基于联邦学习的大数据隐私保护方法，其特征在于，基于所述动态等级方案，采用支持向量机和长短期记忆网络，分析节点的数据处理和共享行为模式，生成行为模式分析结果的步骤具体为：
6.根据权利要求1所述的基于联邦学习的大数据隐私保护方法，其特征在于，基于所述行为模式分析结果，采用k-均值聚类和孤立森林算法，识别偏离正常模式的行为，生成...
【专利技术属性】
技术研发人员：刘斌，陈伟思，曹丽明，方天客，
申请(专利权)人：厦门理工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。