公开(公告)号：CN118862144A

公开(公告)日：2024-10-29

申请号：CN202410837156.9

申请日：2024-06-26

Applicant: 北京交通大学

Inventor： 金一 ,  杨纪明 ,  苏楦雯 ,  王伟 ,  段莉 ,  李浥东 ,  王涛

IPC: G06F21/62 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/094 ,  G06F18/25 ,  G06F18/22

Abstract: 本发明提供一种多模态隐私数据生成模型训练方法、数据生成方法及系统，属于数据隐私保护技术领域，本发明实现了在一个统一框架中生成RGB图像和表格数据，无需使用额外的公开数据和端到端的训练方式，并且各类型数据的生成过程中相互联系，提升了生成数据的语义一致性，能够有效融合不同模态的关键信息实现准确的多模态数据判别；提出多角度判别与多模态匹配损失，多模态判别损失主导GAN模型的训练过程，单模态判别损失用于辅助模型平衡不同模态的学习效率，匹配损失促进模型对模态间关系的学习。为了降低生成模型的隐私泄漏风险，提出将差分隐私机制应用在基于GAN的图像与表格数据联合生成模型上，以平衡合成数据的可用性与隐私性。