买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学

摘要：本发明公开了一种基于自编码器的穿戴设备数据隐私保护方法，属于穿戴设备技术领域。其包括：通过分块离散余弦变换将流数据转换为频谱数据块；构建并训练自编码器模型；构建并训练活动识别模型与身份识别模型；将活动识别模型与身份识别模型连接到自编码器的输出层，通过多目标损失函数再次训练自编码器；根据分块离散余弦变换，自编码器变换，逆分块离散余弦变换实时发布脱敏数据。本发明的基于自编码器的穿戴设备数据隐私保护方法，通过设计多目标损失函数来训练自编码器，能够更好地权衡效用性与隐私性。同时，提出将原数据通过Block‑DCT变换为频谱后再脱敏处理，避免了直接扰动原始时序数据，对于降低数据失真有重要意义。

主权项：1.一种基于自编码器的穿戴设备数据隐私保护方法，其特征在于，包括以下步骤：1通过分块离散余弦变换将流数据转换为频谱数据块；2构建并训练自编码器模型；所述步骤2中，构建自编码器模型，自编码器模型由编码器与解码器串联构成，编码器包括多个卷积层，激活层和池化层，解码器包括多个转置卷积层，激活层和卷积层；所述激活层采用线性整流函数RectifiedLinearUnit,ReLU；所述池化层采用最大池化max-pooling；所述转置卷积层可以实现上采样与升维，使解码器输出维度与编码器输入维度一致，且解码器的输入为编码器的输出，然后，通过式Ⅱ计算均方误差meansquareerror,MSE损失来训练自编码器: 式Ⅱ中，Enc表示编码器；Xf表示输入的频谱数据块；XZ表示编码器的输出；Dec表示解码器；表示解码器的输出；MSE表示均方误差；3构建并训练活动识别模型与身份识别模型；所述步骤3中，构建并训练活动识别模型与身份识别模型，具体为：训练可识别自编码器输出对应活动类别或身份类别的分类器；通过编码器得到Xf的编码结果XZ；通过解码器得到XZ的编码结果以XZ作为输入，分别构建活动识别分类器EncAct与身份识别分类器EncId；以作为输入，分别构建活动识别分类器DecAct与身份识别分类器DecId；通过交叉熵损失函数式Ⅲ来分别训练各分类器: 式Ⅲ中，Lclf表示交叉熵计算公式；Y表示真实标签；表示预测标签；M表示真实的活动标签；P表示真实的身份标签；分别表示EncAct、EncId、DecAct、DecId相应的预测结果；LEncAct、LEncAct、LDecAct、LDecId分别表示EncAct、EncId、DecAct、DecId相应的交叉熵损失；4将活动识别模型与身份识别模型连接到自编码器的输出层，通过多目标损失函数再次训练自编码器；5根据分块离散余弦变换，自编码器变换，逆分块离散余弦变换实时发布脱敏数据。

全文数据：

权利要求：

百度查询： 重庆大学 一种基于自编码器的穿戴设备数据隐私保护方法