基于迁移学习的多源数据隐私保护方法研究_付玉香.pdf

隐私保护的多源数据分析是大数据分析的研究热点，在多方隐私数据中学习分类器具有重要应用。提出两阶段的隐私保护分析器模型，首先在本地使用具有隐私保护性的ＰＡＴＥ－Ｔ模型对隐私数据训练分类器；然后集合多方分类器，使用迁移学习将集合知识迁移到全局分类器，建立一个准确的、具有差分隐私的全局分类器。该全局分类器无需访问任何一方隐私数据。实验结果表明，全局分类器不仅能够很好地诠释各个本地分类器，而且还可以保护各方隐私训练数据的细节。