【技术实现步骤摘要】
本专利技术是关于一种基于对抗评分蒸馏采样的高效数据隐私保护方法、装置、设备及介质，涉及图像处理领域。
技术介绍
1、随着生成模型的发展，现在许多研究聚焦在生成模型的可控性上，例如定制化生成，定制化生成通过给定同一个概念，例如同一个人、同一个物体的几张照片，可以通过微调开源大模型实现该概念在不同场景虚拟照片的生成，当概念是人的时候，这类技术的出现导致人们丧失了他们的肖像权。因此，在这种场景下如何很好地保护用户图片不被定制化学习生成是一个具有现实意义的话题。
2、现有的研究的做法是在图片上加一些微小的扰动使得这些图片无法被定制化学习，例如anti-dreambooth基于projected gradient descent（pgd）的做法，通过不断梯度迭代使得扰动后的图片在扩散模型的损失最大，这样的做法会让扩散模型将这个图片理解成一个错误的概念或者是不合理的概念。但这种做法存在几个问题：（1）anti-dreambooth是对每个图片寻找他们特有的扰动，这个扰动不具有普遍性；（2）由于anti-dreambooth需要不断梯度迭...
【技术保护点】
1.一种基于对抗评分蒸馏采样的高效数据隐私保护方法，其特征在于，包括：
2.根据权利要求1所述的基于对抗评分蒸馏采样的高效数据隐私保护方法，其特征在于，获得扰动生成器，包括：
3.根据权利要求2所述的基于对抗评分蒸馏采样的高效数据隐私保护方法，其特征在于，DiT网络结构设置条件为：
4.根据权利要求2所述的基于对抗评分蒸馏采样的高效数据隐私保护方法，其特征在于，训练数据采用VGG-Face数据。
5.根据权利要求3所述的基于对抗评分蒸馏采样的高效数据隐私保护方法，其特征在于，使用对抗评分蒸馏采样相反梯度优化扰动生成器，包
6...
【技术特征摘要】
1.一种基于对抗评分蒸馏采样的高效数据隐私保护方法，其特征在于，包括：
2.根据权利要求1所述的基于对抗评分蒸馏采样的高效数据隐私保护方法，其特征在于，获得扰动生成器，包括：
3.根据权利要求2所述的基于对抗评分蒸馏采样的高效数据隐私保护方法，其特征在于，dit网络结构设置条件为：
4.根据权利要求2所述的基于对抗评分蒸馏采样的高效数据隐私保护方法，其特征在于，训练数据采用vgg-face数据。
5.根据权利要求3所述的基于对抗评分蒸馏采样的高效数据隐私保护方法，其特征在于，使用对抗评分蒸馏采样相反梯度优化扰动生成器，包括：
6.根据...
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。