-
题名面向去中心化双重差分隐私的谱图卷积神经网络
被引量：3
- 1
-
-
作者
刘峰
杨成意
於欣澄
齐佳音
-
机构
华东师范大学计算机科学与技术学院
上海对外经贸大学人工智能与变革管理研究院
上海对外经贸大学统计与信息学院
-
出处
《信息网络安全》
CSCD
北大核心
2022年第2期39-46,共8页
-
基金
国家重点研发计划[2017YFB0803304]
国家自然科学基金[72042004]。
-
文摘
图卷积神经网络是一种面向多任务且应用广泛的深度学习模型。文章研究了去中心化场景中谱域图卷积神经网络节点关系信息和节点特征信息的保护问题,提出双重差分隐私保护机制下的谱图卷积神经网络DDPSGCN。在给定隐私预算总额的条件下对拉普拉斯机制和高斯机制进行隐私预算分配,并通过隐私损失和Chernoff界理论进行参数估计。在两大分布噪声扰动作用基于不同图数据信息的隐私保护下,文章提出基于区块链去中心化差分隐私处理机制的图卷积神经网络训练算法。实验表明文章采用的去中心化双重差分隐私机制,能够在半监督节点分类任务准确率下降1%以内的前提下确保原始数据隐私不泄露,相较于单隐私保护机制有着更高的隐私保护效率和更强的对抗攻击鲁棒性。
-
关键词
双重差分隐私
去中心化差分隐私
谱图卷积神经网络模型
区块链
-
Keywords
dual differential privacy
decentralized differential privacy
spectral graph convolutional neural network
blockchain
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名基于BP神经网络的双重差分隐私保护算法
- 2
-
-
作者
张晓琴
琚晓颖
米子川
李师毅
-
机构
山西财经大学统计学院
-
出处
《信息安全研究》
2025年第9期814-821,共8页
-
基金
国家社会科学基金重大项目(24&ZD183)
国家自然科学基金项目(82274360)
+2 种基金
教育部人文社会科学研究项目(22YJAZH092)
山西省基础研究计划项目(202303021221054,202403021211086)
山西省回国留学人员科研资助项目(2024-002)。
-
文摘
随着数据挖掘技术的不断发展,数据中潜藏的信息可以给各个领域带来巨大的价值,但利用模型进行预测时往往存在用户敏感信息泄露的风险.针对神经网络在训练过程中所存在的敏感数据泄露问题,提出了一种具有双重差分隐私保护的BP神经网络改进算法BP-DDP.该算法在网络训练过程中引入差分隐私理论,对损失函数添加符合一定隐私预算的高斯噪声,并在对梯度进行修正后添加Laplace噪声,从而实现隐私保护,最后与传统的BP神经网络进行对比实验.实验结果表明,当添加噪声规模较小时,BP神经网络在保护隐私前提下仍然具有较好的多分类性能.
-
关键词
BP神经网络
高斯机制
损失函数
Laplace机制
双重差分隐私
-
Keywords
BP neural network
Gaussian mechanism
loss function
Laplace mechanism
double differential privacy
-
分类号
TP309.2
[自动化与计算机技术]
-
