申请/专利权人：中国电子科技集团公司第三十研究所

申请日：2024-01-19

公开（公告）日：2024-04-19

公开（公告）号：CN117592114B

主分类号：G06F21/62

分类号：G06F21/62;G06N3/0475;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明公开了一种面向网络平行仿真的数据脱敏方法、系统和可读存储介质。本发明通过收集平行有线网络的原始数据，对原始数据进行数据清洗、特征提取和归一化等预处理操作，训练生成对抗网络的生成器和判别器模型。通过生成器将输入的随机噪声转换为近似真实的模拟样本，判别器负责将真实样本和生成的模拟样本进行区分；再利用训练好的生成器模型，输入随机噪声，生成合成的模拟样本，这些模拟样本可以代表原始有线网络数据的分布特征。最终生成的模拟样本可用于共享、研究等用途，减少真实样本的敏感性和风险。

主权项：1.一种面向网络平行仿真的数据脱敏方法，其特征在于，包括：获取真实网络的网络参数信息；对所述网络参数信息进行子图编码，并对子图进行上三角邻接矩阵表示；所述对所述网络参数信息进行子图编码，包括：使用全联通神经网络将所述网络参数信息创建为若干封闭子图；遍历每个子图，根据节点之间的连接关系和拓扑结构，获取每个子图的节点集合；使用WL-GAN中的Weisfeiler-Lehman算法进行节点编码，通过迭代更新节点的标签来提取节点的拓扑结构和局部信息，得到一个表示子图节点及其特征的编码集合；利用所述子图和上三角邻接矩阵、以及随机噪声对WL-GAN模型进行训练，以得到输入随机噪声、输出模拟样本的网络模型，所述WL-GAN模型包括生成器和鉴别器；所述生成器在训练时输入随机噪声和脱敏参数，输出生成的模拟样本，在训练结束后用于生成模拟样本时，仅输入随机噪声；所述生成器的损失函数为：G_loss=-meanDGz；其中，z:生成器输入的随机噪声；Gz:生成器生成的模拟样本；DGz：判别器对生成器生成的模拟样本的判别结果；mean：求平均值的操作符，用于计算判别器对生成器生成的多个模拟样本的平均判别结果；所述鉴别器的损失函数为：D_loss=meanDy-meanDGz；其中，y:真实样本；Dy：表示判别器对真实样本y的判别结果；利用训练好的网络模型，输入随机噪声来生成模拟样本，得到脱敏数据。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第三十研究所 面向网络平行仿真的数据脱敏方法、系统和可读存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD