基于并行深度神经网络的隐私泄露检测方法

AITNT
正文
推荐专利
基于并行深度神经网络的隐私泄露检测方法
申请号:CN202411620475
申请日期:2024-11-13
公开号:CN119128993B
公开日期:2025-01-21
类型:发明专利
摘要
本申请实施例提供基于并行深度神经网络的隐私泄露检测方法。本申请实施例中,先从获得的隐私数据集的每一隐私样本数据中提取敏感隐私特征以得到该隐私样本数据对应的敏感隐私特征向量;之后,由本设备上N个CPU内核基于各隐私样本数据对应的敏感隐私特征向量并行训练出对应的DNN模型,以当任一检测设备需要检测任一目标网络流时利用已训练出的DNN模型检测该目标网络流是否出现隐私泄露,这样实现了物联网设备隐私泄露的检测,保证了物联网设备的信息安全。本实施例中由N个CPU内核并行训练多个DNN模型,这样能够使得各DNN模型之间的模型参数不会相互影响,避免DNN模型间的耦合,提高了各DNN模型的性能。
技术关键词
DNN模型 内核 隐私特征 隐私泄露检测方法 样本 计算机程序指令 数据 特征值 深度神经网络 检测设备 节点数 可读存储介质 联网设备 电子设备 中央处理器 优化器
系统为您推荐了相关专利信息
1
行为决策方法、装置、设备、介质、程序产品及自动驾驶车辆
去雾图像 深度强化学习 对象 样本 注意力机制
2
一种基于关联推理的跨镜追踪方法
追踪方法 融合分类器 服装 身份 辅助分类器
3
图像处理方法以及病理图像处理方法
信息编码 编码特征 图像处理模型 图像编码 病理图像处理方法
4
基于神经网络和大电磁矢量传感器的DOA估计方法
电磁矢量传感器 估计方法 DOA估计 积层 神经网络深度学习
5
模型性能预测方法、性能预测模型构建方法及装置
性能预测模型 资源消耗预测 训练样本集 性能预测方法 资源消耗量
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号