买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明公开了一种基于成员推理攻击的医疗数据风险等级分类系统及方法。本发明通过引入成员推理攻击技术，可以量化医疗数据的隐私泄露风险大小，实现风险的更精确定量化。本发明通过设计迭代流程统计多轮成员推理攻击的结果，可以得到较为清晰的医疗数据风险等级划分，为后续保护策略的分级制定提供依据。本发明通过创新性地采用嵌套集成的方法，在装袋集成学习外部框架中嵌套自适应提升集成学习内部循环，训练多个攻击模型，充分利用两种集成学习方法的优势，显著提高对医疗数据的模拟攻击效果，实现更准确和全面的医疗数据风险评估。

主权项：1.一种基于成员推理攻击的医疗数据风险等级分类系统，其特征在于，包括：数据预处理和分割模块，用于对医疗数据集进行预处理，并随机分割得到目标模型的训练和验证数据集、影子模型的训练和验证数据集以及非成员数据集；所述影子模型的训练和验证数据集，利用自助采样法生成S份数据量不变的样本集；所述非成员数据集，用于在训练测试攻击模型时生成标识数据未用于训练被攻击模型的标签，分为两部分，第一部分利用自助采样法生成S份数据量不变的样本集，用于生成攻击模型训练数据，第二部分用于生成攻击模型测试数据；目标模型训练模块，用于使用所述目标模型的训练和验证数据集训练目标模型，并结合所述非成员数据集的第二部分生成攻击模型测试数据；影子模型训练模块，用于使用从所述影子模型的训练和验证数据集中采样得到的S份样本集训练S个模仿目标模型的影子模型，并结合从所述非成员数据集的第一部分中采样得到的S份样本集，生成S个攻击模型训练集；攻击模型训练模块，用于使用所述S个攻击模型训练集训练S个攻击模型，从而执行成员推理攻击，推断出目标模型的训练集成员，训练攻击模型时采用嵌套集成的方法，在装袋集成学习外部框架中嵌套自适应提升集成学习内部循环，在每个攻击模型训练集上使用自适应提升方法进行对应攻击模型的训练；模型融合评估模块，用于融合训练好的S个攻击模型，并使用所述攻击模型测试数据评估融合后的攻击模型的成员推理攻击成功率，记录被成功识别和未被成功识别的医疗数据；风险等级划分模块，用于重复成员推理攻击过程Z次，统计医疗数据被成功识别和未被成功识别的次数，为医疗数据划分风险等级。

全文数据：

权利要求：

百度查询： 浙江大学 基于成员推理攻击的医疗数据风险等级分类系统及方法