[发明专利]基于不可学习噪声生成器的数据保护方法、设备、介质

权利要求书

1.一种基于不可学习噪声生成器的数据保护方法，其特征在于，包括如下步骤：

获取目标数据集以及随机的生成器种子，针对所述生成器种子，采用预设的辅助分类模型进行优化，获取优选的生成器种子，基于所述优选的生成器种子构建噪声生成器；

根据所述噪声生成器，生成基于标签分类的不可学习噪声，针对所述目标数据集中的每个样本，加入所述不可学习噪声，获取不可学习数据集。

2.根据权利要求1所述的一种基于不可学习噪声生成器的数据保护方法，其特征在于，针对所述生成器种子，采用预设的辅助分类模型进行优化，获取优选的生成器种子具体为：

步骤S1，根据随机产生的生成器种子，获取生成器针对所述目标数据集生成的扰动数据；

步骤S2，根据所述目标数据集以及所述扰动数据，针对所述生成器种子，使用预设的优化方法进行多次优化，获取备选的生成器种子，并使用所述备选的生成器种子获取新的扰动数据；

步骤S3，根据所述目标数据集以及新的扰动数据，针对所述辅助分类模型，使用预设的优化方法进行多次优化；

步骤S4，判断所述辅助分类模型的分类错误率是否小于预设的值，若是，所述备选的生成器种子即为优选的生成器种子，若否，执行步骤S2。

3.根据权利要求2所述的一种基于不可学习噪声生成器的数据保护方法，其特征在于，所述的优化方法具体为：

从所述目标数据集中获取训练数据，加入扰动数据后在所述辅助分类模型中进行正向传播，获取标签的预测概率；

根据所述预测概率，计算分类损失，获取分类损失对优化目标中各个分量的梯度，使用优化算法进行优化。

4.根据权利要求3所述的一种基于不可学习噪声生成器的数据保护方法，其特征在于，所述的优化算法为PGD优化方法。

5.根据权利要求3所述的一种基于不可学习噪声生成器的数据保护方法，其特征在于，所述的分类损失采用下式计算：

式中，为所述预测概率，k为所述训练数据的数量。

6.根据权利要求2所述的一种基于不可学习噪声生成器的数据保护方法，其特征在于，针对所述生成器种子，使用预设的优化方法进行多次优化采用下式实现：

针对所述辅助分类模型，使用预设的优化方法进行多次优化采用下式实现：

式中，θ^t分别为第t次优化的生成器种子和辅助分类模型的分量，θ^t+1分别为第t+1次生成器种子和辅助分类模型的分量，分别为分类损失对生成器种子各个分量的梯度、分类损失对模型参数各个分量的梯度。

7.根据权利要求6所述的一种基于不可学习噪声生成器的数据保护方法，其特征在于，分类损失对生成器种子各个分量的梯度采用下式获取：

式中，为扰动数据。

8.根据权利要求1所述的一种基于不可学习噪声生成器的数据保护方法，其特征在于，所述的目标数据集为图像数据集。

9.一种电子设备，其特征在于，包括：一个或多个处理器以及存储器，所述存储器内储存有一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-8任一所述基于不可学习噪声生成器的数据保护方法的指令。

10.一种计算机可读存储介质，其特征在于，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-8任一所述基于不可学习噪声生成器的数据保护方法的指令。