原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于预训练扩散模型的隐私数据生成方法。本发明包括以下步骤：首先，获取在大规模开源数据集上预训练的扩散模型；接着，在扩散模型的指定层添加缩放因子；然后，利用隐私数据集对扩散模型进行模型微调：在针对隐私数据的参数高效微调过程中，通过对梯度添加噪声扰动，保护模型参数，并由于仅训练缩放因子及模型的偏差项，减少训练所需隐私预算；最后，生成所需的隐私图像数据。本发明在仅微调少量参数的条件下，优化模型在特定生成任务上的性能，同时减小训练所需隐私预算，提升数据集的隐私安全。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117852088A
(43)申请公布日2024.04.09
(21)申请号202410042097.6
(22)申请日2024.01.11
(71)申请人浙江大学
地址310058
文档评论（0）