一种基于差分隐私的卷积神经网络训练方法

本发明公开了一种基于差分隐私的卷积神经网络训练方法，首先给定图像数据集，创建卷积神经网络模型，随机初始化卷积神经网络模型的参数，从图像数据集中随机取样输入至卷积神经网络模型中，对样本数据进行卷积操作得到特征图，由池化操作得到降维处理后的特征，对特征添加服从拉普拉斯分布的噪声，得到经过差分隐私保护的特征；具有差分隐私保护的特征在卷积神经网络模型中进行训练，计算隐私预算，得到最优模型参数，保存训练好的具有最优模型参数的差分隐私卷积神经网络模型；将需要保护的数据输入到所训练好的差分隐私卷积神经网络模型中，得到差分隐私保护后的数据。本发明解决了现有技术中存在的会使训练模型的精度降低或者梯度失真问题。

《一种基于差分隐私的卷积神经网络训练方法》是一发明专利，专利号为 2021110159048，当前法律状态为已下证，由西安理工大学提出申请，发明人为张亚玲;宁瑶，申请日期为2021-08-31，公开（公告）日期为2024-04-02，国际专利分类号（IPC）为 G06V 10/82 (2022.01)，高新资质：未报高企，所属技术领域包括：人工智能算法、机器学习、大数据、数据分析、数据挖掘、大模型训练、数据隐私保护、数据安全。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于差分隐私的卷积神经网络训练方法，首先给定图像数据集，创建卷积神经网络模型，随机初始化卷积神经网络模型的参数，从图像数据集中随机取样输入至卷积神经网络模型中，对样本数据进行卷积操作得到特征图，由池化操作得到降维处理后的特征，对特征添加服从拉普拉斯分布的噪声，得到经过差分隐私保护的特征；具有差分隐私保护的特征在卷积神经网络模型中进行训练，计算隐私预算，得到最优模型参数，保存训练好的具有最优模型参数的差分隐私卷积神经网络模型；将需要保护的数据输入到所训练好的差分隐私卷积神经网络模型中，得到差分隐私保护后的数据。本发明解决了现有技术中存在的会使训练模型的精度降低或者梯度失真问题。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！