基于差分隐私技术的DCGAN模型优化研究与实现

图像数据开放共享是促进大数据在工业领域应用发展的关键，其打破业务壁垒和“数据孤岛”现象，实现信息的跨部门、跨层级共享。但在共享过程中存在图像数据隐私信息泄露的风险。因此针对无法实现数据直接共享的图像数据，将生成对抗网络的变体深度卷积生成对抗网络（deep convolutional generative adversarial networks,DCGAN）与差分隐私进行结合，设计了带有差分隐私的深度卷积生成对抗网络（deep convolutional generative adversarial networks with dif ferential privacy,DP-DCGAN）模型。所提出的模型通过给DCGAN中从判别器传递回生成器的梯度上加噪以减小真实数据对生成器的贡献，实现在隐私保护的基础上生成高质量的数据，并将生成数据进行共享。