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
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
电磁矢量传感器
估计方法
DOA估计
积层
神经网络深度学习
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