物联网环境中基于深度学习的差分隐私预算优化方法.docx

0 引言 近年来，物联网技术快速发展，在可穿戴设备、环境监测、物流管理、虚拟现实、智能家居、智能电网、智慧城市和公共服务等诸多场景得到广泛应用，将数字世界和物理世界紧密相连，加速万物互联的时代到来。随着物联网的大规模应用，个人用电信息、健康信息、行动轨迹等涉及个人隐私的海量数据将被物联网终端记录采集。为有效处理物联网应用所带来的海量数据，深度学习被广泛应用在物联网场景下的一些模型训练中，这也带来一些隐私泄露的隐患。在模型训练过程中，模型参数信息可能会遭到推理攻击、模型逆向攻击等安全威胁，进而输入模型中的原始数据可以被反推出来，造成隐私信息泄露。针对上述问题，本文考虑保护模型训练过程的参数信息。