[發明專利]一種基于深度學習的大數據隱私保護方法

在審

• 申請號: 202110507079.7
• 申請日: 2021-05-10
• 公開（公告）號: CN113158252A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 江耀;劉東升
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06N20/00
• 代理公司: 北京翔石知識產權代理事務所(普通合伙) 11816
• 代理人: 薛曉軍

1.一種基于深度學習的大數據隱私保護方法，包括眾包數據采集模塊、云數據庫存儲模塊、特征提取器模塊、數據搜集器模塊；

所述眾包數據采集模塊，根據現有的用戶數據搜集途徑通過個人分包、公司分包、機構分包以及各類數據眾包平臺實現用戶數據的搜集工作。

所述云數據庫存儲模塊，用于將每條收集到大數據信息進行規則劃分，其劃分包括對相似信息進行格式化統一分存入相應云數據庫中。

2.所述特征提取器模塊運用了深度學習算法，利用互信息Mutual information思想，目標轉化為最優化問題，目標一最小化提取到的特征和隱私信息的互信息也就是它們的交集盡可能小，目標二最大化原始數據和提取特征、隱私屬性的聯合分布之間的互信息。

3.所述數據搜集器模塊，匯總經特征提取器模塊提取出的數據中間表征可用于后續的任何目的的深度學習任務,具備通用性,同時實現無法通過算法逆向還原用戶個人隱私信息。

4.優選的，云數據庫系統采用安全性高，高并發量，動態獲取延時低的AWS或Oracle。

5.優選的，所述云數據庫存儲模塊通過大數據的分析、統計以及常規習慣將信息進行預先處理,采用第三方工具Matplotlib或finebi。

6.優選的，所述數據搜集器模塊采用混合學習算法Hybrid learning method。

7.優選的，所述特征提取器模塊采用引入可控參數因子λ來表示效用-隱私預算，關聯兩個最優化目標，通過控制λ大小得到最優解實現兩種目標的平衡。