摘要
本申请公开了一种基于强化学习的绿色金融数据差分隐私预算分配方法,该方法为:对实时采集的绿色金融数据进行格式保留加密,以获得脱敏金融数据;将利用脱敏金融数据输入至预先训练好的生成对抗网络,以获得多个特征的时序数据;基于多个特征的时序数据,结合关联矩阵法,构建环境效益‑隐私关联矩阵;基于多个特征的贡献度以及时序数据,输入至预先构建的目标强化学习模型中,以获得目标强化学习模型输出的隐私预算分配结果。该方法利用环境效益‑隐私关联矩阵和目标强化学习模型,实现绿色金融数据的隐私预算合理分配,具有客观性和高效性。
技术关键词
强化学习模型
预算分配方法
金融
差分隐私
隐私保护数据
拉普拉斯噪声
深度确定性策略梯度
生成对抗网络
时序
联邦模型
噪声强度
特征工程
连续动作空间
长短期记忆网络
可信执行环境
机制
数据采集单元
处理器
数据处理单元