基于随机近端优化的隐私保护优化方法

本发明公开了一种基于随机近端优化的隐私保护优化方法，主要解决现有技术中神经网络在添加差分隐私噪声后导致模型性能下降的问题。其实现方案是：获取图像数据集，并对其进行预处理；选取现有包括输入层、隐藏层、输出层的神经网络模型；将预处理后的图像数据集输入到神经网络模型；使用近端隐私保护方法对神经网络进行包括梯度裁剪、添加差分隐私噪声、计算方差减小项、使用近端点更新权重矩阵的多轮训练得到最优权重矩阵，为后续构建具有高效性能和隐私保障的分类识别影像处理神经网络模型提供参数依据。本发明在有效保证数据隐私安全的前提下，提高了图像识别的收敛速度和准确率，特别适用于分类质量参差不齐的图像数据集，可用于医疗影像分类。