基于负数据库和深度学习的多元时序数据隐私保护方法
公开
摘要
本发明公开了一种基于负数据库和深度学习的多元时序数据隐私保护方法，首先对原始数据集中的数据进行预处理，将原始数据转换成定长的二进制串，通过贝叶斯定理和概率统计方法分析基于负数据库的激活函数估算问题，之后采用细粒度更高的负数据库生成算法QK‑hidden对其进行隐私保护操作。再根据多元时序数据的长短期周期性特点，选择由卷积层与循环神经网络组合的深度学习模型，捕获时间序列短期和长期的依赖关系，同时结合自回归模型作为线性层对其建模，训练得到具有隐私保护效果的模型，并对其进行预测。本发明采用负数据库对原始多元时序数据进行隐私保护，通过神经网络模型进行预测，在满足一定的数据安全性的前提下，实现良好的预测性能。
基本信息
专利标题 ：
基于负数据库和深度学习的多元时序数据隐私保护方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114611134A
申请号 ：
CN202210159775.8
公开（公告）日 ：
2022-06-10
申请日 ：
2022-02-22
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
赵冬冬黄雅琪
申请人 ：
武汉理工大学
申请人地址 ：
湖北省武汉市洪山区珞狮路122号
代理机构 ：
武汉科皓知识产权代理事务所(特殊普通合伙)
代理人 ：
肖明洲
优先权 ：
CN202210159775.8
主分类号 ：
G06F21/62
IPC分类号 ：
G06F21/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F21/00
防止未授权行为的保护计算机、其部件、程序或数据的安全装置
G06F21/60
保护数据
G06F21/62
通过一个平台保护数据存取访问，例如使用密钥或访问控制规则
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
