-
题名深度学习的用户数据自监督安全防御
- 1
-
-
作者
喻佳
-
机构
华东交通大学
-
出处
《现代电子技术》
北大核心
2025年第20期30-34,共5页
-
基金
华东交通大学校级智慧课程建设项目(20250407)。
-
文摘
为应对复杂多变的数据攻击模式,实时处理数据流并提升安全防御能力,提出一种基于深度学习的用户数据自监督安全防御方法。构建用户数据安全防御模型,结合深度学习和自监督学习技术,并采用变分自编码器中的编码器网络和解码器网络进行数据处理,识别用户数据的异常攻击,计算用户数据标准差,评估数据风险等级,再依据数据风险评估结果实现用户数据安全防御。以江西省某高校学院教学管理学生成绩数据为基础数据集,对所提方法的防御效果进行检测。实验结果表明:该方法能够有效应对低、中、高三种攻击强度下的学生用户数据,确保学生成绩数据的完整性;在不同异常数据量下,防御率均能保持在96%以上,数据泄露风险在1.67%以下,安全性较高,防御能力波动低于2%。所提方法有助于推动数据安全防御领域的智能化发展。
-
关键词
用户数据
深度学习
自监督
安全防御
编码器网络
异常攻击识别
数据风险等级评估
-
Keywords
user data
deep learning
self-monitoring
security defense
encoder network
abnormal attack identification
data risk level assessment
-
分类号
TN912.2-34
[电子电信—通信与信息系统]
TP393
[自动化与计算机技术—计算机应用技术]
-
