一種基于GAN的用戶人格隱私保護方法屬于社會工程學領(lǐng)域。本發(fā)明使用結(jié)合強化學習的生成式對抗網(wǎng)絡(luò)來進行文本的轉(zhuǎn)換,其中策略梯度來解決GAN對于文本離散性的不可導問題。我們將鑒別器中的隱層語義特征“泄露”給生成器類提高生成文本語義相似性,同時在GAN的原始目標上加入真實文本和生成文本特征向量間的語義相似度和人格差異得分,因此鑒別器的樣本分類器得分J(Gθ)、語義相似性得分Jsem和人格差異性得分Jpers的加權(quán)平均值來作為反饋信號來指導生成器的學習,從而使得生成器產(chǎn)生高度多樣化的句子以匹配真實句子的變化,避免生成模式單一的文本數(shù)據(jù)。攻擊者無法從變換后的文本數(shù)據(jù)中分析出用戶真實的人格,從而達到攻擊效果降低或者阻斷攻擊的目的。
聲明:
“基于GAN的用戶人格隱私保護方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)