基于差分隐私的深度学习模型任务书

 2022-01-13 20:45:05

全文总字数:3324字

1. 毕业设计(论文)主要内容:

目标简介:近年来,深度学习已经成为学术界和产业界的最大热点之一,受到了人们的广泛关注,深度学习被广泛用于各种应用场景。在大部分应用场景中,深度学习模型需要分析和处理海量的数据,而这些数据经常会涉及一些个人隐私,在保护数据隐私的前提下使用深度学习模型有重要意义[1]。因此,本课题设计和实现一种基于差分隐私的深度学习模型,分析基于差分隐私的深度学习模型的安全性和效率,通过实验验证模型的准确率和有效性。

设计内容:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 毕业设计(论文)主要任务及要求

1、查阅15篇相关文献(不少于3篇外文文献),并每篇书写200—300字文献摘要(装订成册,带封面);

2、认真填写周记,完成至少1500字开题报告(“设计的目的及意义”至少800汉字;“基本内容和技术方案”至少400汉字;进度安排应尽可能详细;指导教师意见应包含:学生的调研是否充分?基本内容和技术方案是否已明确?是否已经具备开始设计(论文)的条件?能否达到预期的目标?是否同意进入设计(论文)阶段?);

3、完成5000中文字以上的相关英文专业文献翻译,与开题报告同时上传至毕设管理系统;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 毕业设计(论文)完成任务的计划与安排

1、2020/1/13—2020/2/28:确定选题,查阅文献,外文翻译和撰写开题报告;

2、2020/3/1—2020/4/30:系统架构、程序设计与开发、系统测试与完善;

3、2020/5/1—2020/5/25:撰写及修改毕业论文;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 主要参考文献

[1] ShokriR, Shmatikov V. Privacy-preserving deep learning[C]//Proceedings of the 22ndACM SIGSAC conference on computer and communications security. ACM, 2015:1310-1321.

[2] Li P, LiJ, Huang Z, et al. Multi-key privacy-preserving deep learning in cloudcomputing[J]. Future Generation Computer Systems, 2017, 74: 76-85.

[3] Zhang Q,Yang L T, Chen Z. Privacy preserving deep computation model on cloud for bigdata feature learning[J]. IEEE Transactions on Computers, 2015, 65(5):1351-1362.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。