[发明专利]一种无人工噪声的深度学习模型保护方法

摘要

本发明公开一种无人工噪声的深度学习模型保护方法，包括步骤1，接收用户查询请求后，获取所需的经过训练的神经网络模型参数П、Θ，用户神经网络模型参数使用集合П＝{π1，π2，π3，…，πM}表示，其中πi表示第i次训练相同神经网络所得的模型集；Θ表示神经网络经过迭代训练不同层数上所有参数的集合；步2，通过核密度估计法处理输入的参量数据Θ，得到参量的概率分布函数；步骤3，通过得分函数p(u，v)处理各个参量θ(u，v)的取值分值，所得的总分值大小P，表明取值可能性的大小；步骤4，返回取值可能性最大时的参量数值，所述参量数值即为用户查询请求的结果。本发明使请求模型参数的用户无法根据返回结果获取隐私数据，从而起到用户隐私保护的作用。

主权项

1.一种无人工噪声的深度学习模型保护方法，其特征在于，包括以下步骤：/n步骤1，接收用户查询请求后，获取所需的经过训练的神经网络模型参数Π、Θ，用户神经网络模型参数使用集合Π＝{π₁,π₂,π₃,…,π_M}表示，其中π_i表示第i次训练相同神经网络所得的模型集；Θ表示神经网络经过迭代训练不同层数上所有参数的集合；/n步骤2，通过核密度估计法处理输入的参量数据Θ，得到参量的概率分布函数；/n步骤3，通过得分函数p(u,v)处理各个参量θ_(u,v)的取值分值，所得的总分值大小P，表明取值可能性的大小；/n步骤4，返回取值可能性最大时的参量数值，所述参量数值即为用户查询请求的结果。/n