基于DCGAN反馈的大数据平台敏感信息保护方法

为防止大数据平台中网络用户的信息遭到攻击者的破坏,笔者结合DCGAN反馈提出一种全新的大数据平台敏感信息保护方法,通过大数据平台敏感信息分类分级、基于DCGAN反馈的敏感信息深度差分保护算法、大数据平台敏感信息数据脱敏,实现对大数据平台中用户敏感信息的保护。通过实验证明,该方法与传统方法相比可以有效提高敏感信息的安全系数,为大数据平台提供安全的存储环境。

基于DCGAN反馈的大数据安全静态脱敏系统设计

为提高大数据脱敏系统的脱敏信息总量,提升用户大数据信息安全性,本文基于深度卷积生成对抗网络(Deep Convolution Generative Adversarial Networks,DCGAN)反馈开展对大数据安全静态脱敏系统的设计研究。通过大数据敏感信息静态提取与分类、基于DCGAN反馈的敏感信息深度差分保护、大数据敏感信息脱敏处理等软件和硬件的设计,提出一种全新的脱敏系统。完成设计后,进行对比实验。实验结果证明,新的脱敏系统在实际应用中可有效提高对敏感信息的脱敏量,并进一步提升大数据的安全系数,保障用户隐私信息和敏感信息的安全。