本发明公开了一种基于强化学习的隐私策略优化方法、系统及可读存储介质,所述方法包括:在移动端部署输入样本特征提取器,在云端部署输入样本重构器、目标分类器及隐私分类器,以完成初始模型的初始化;通过测试样本集对初始模型进行测试,将测试信息、当前的超参数和层数存储于为一信息单元;将信息单元的状态信息输入超参数优化器中进行超参数信息优化方案的选择、执行与优化方案奖励值的计算,并根据计算结果进行超参数优化器样本的增加、优化方案价值的更新及超参数优化器网络参数的更新;通过当前超参数优化器网络对初始模型进行优化,并获取最终的超参数优化结果和层数n。本发明能够在尽量不降低业务准确率的情况下提高隐私保护效果。
声明:
“基于强化学习的隐私策略优化方法、系统及可读存储介质” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)