差分隐私GAN梯度裁剪阈值的自适应选取方法

摘要：

提出自适应选取差分隐私GAN梯度裁剪阈值的方法.该方法假设可以接触到与隐私数据同分布的小部分公开数据,通过从公开数据中随机选取一批数据,设置裁剪阈值为这批数据的平均梯度范数,迭代上述操作直到网络聚合.在Mnist和Cifar10数据集上对所提方法进行了实验验证,结果表明,在合理隐私预算下与差分隐私辅助分类GAN相比,卷积神经网络(CNN)分类器准确率提高1％～4％,而评估分数(inception scores)提升0.6-1.2.

关键词：生成对抗网络、差分隐私保护、梯度裁剪阈值、自适应选取

所属期刊栏目：4

分类号：TP309(计算技术、计算机技术)

资助基金：福建省自然科学基金资助项目2017J01502;福州大学博士科研基金资助项目XRC-17015

在线出版日期：2018-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：10-20