申请/专利权人:中科南京人工智能创新研究院
申请日:2024-03-15
公开(公告)日:2024-05-31
公开(公告)号:CN118114257A
主分类号:G06F21/57
分类号:G06F21/57;G06N3/094;G06N3/084;G06N3/0985;G06N3/045;G06N3/0475;G06N5/022
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.18#实质审查的生效;2024.05.31#公开
摘要:本发明涉及一种基于知识图谱的私域数据隐私攻击方法,首先将真实数据转换成向量表示,输入到机器学习模型中进行预测,并基于真实标签和预测结果计算原始损失;引入图先验,通过正则化项计算学习模型权重和先验权重之间的差异,将其作为正则化损失,根据原始损失和正则化损失,进行学习模型优化与迭代;使用虚拟数据对优化好的学习模型进行测试,检测学习模型是否过度拟合了真实数据,评估模型的隐私泄露风险。本发明利用来自共现矩阵的先验知识来改善梯度攻击的数据还原效果,大大增强了离散数据的还原效果,提高数据恢复和预测的准确性。
主权项:1.一种基于知识图谱的私域数据隐私攻击方法,其特征在于,所述方法包括以下步骤:S1、将真实数据转换成向量表示,输入到机器学习模型中进行预测,并基于真实标签和预测结果计算原始损失;S2、引入图先验,通过正则化项计算学习模型权重和先验权重之间的差异,将其作为正则化损失,根据原始损失和正则化损失,进行学习模型优化与迭代;S3、使用虚拟数据对优化好的学习模型进行测试,检测学习模型是否过度拟合了真实数据,评估模型的隐私泄露风险。
全文数据:
权利要求:
百度查询: 中科南京人工智能创新研究院 基于知识图谱的私域数据隐私攻击方法
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。