基于隐私生成对抗网络对成员推理攻击的防御.pdf

基于隐私生成对抗网络对成员推理攻击的防御.pdf

摘要

摘要

在数字经济时代,数据作为一种新的重要资产,其隐私安全备受关注。

员推理攻击是针对机器学习模型的隐私攻击方式,会引起敏感数据泄露,对隐

私信息构成严重威胁。有效防御成员推理攻击的措施能够增强隐私保护能力,

但严格的隐私保护措施会降低数据的效用。数据的隐私安全和效用之间的权衡

是一个研究热点。基于此,本文提出了一个融合差分隐私的生成对抗网络模型,

该模型能够保证在不降低模型效用情况下对成员推理攻击进行防御。内容如下:

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档