基于并行深度神經(jīng)網(wǎng)絡(luò)的物聯(lián)網(wǎng)邊緣側(cè)隱私數(shù)據(jù)檢測(cè)

摘要： 針對(duì)物聯(lián)網(wǎng)隱私檢測(cè)中邊緣設(shè)備資源受限、新型隱私泄露泛化檢測(cè)能力不足及精度與效率難以平衡三大挑戰(zhàn),本文提出基于并行深度神經(jīng)網(wǎng)絡(luò)的物聯(lián)網(wǎng)邊緣側(cè)隱私數(shù)據(jù)檢測(cè)系統(tǒng)(PDNN-PDE).該系統(tǒng)首先通過輕量級(jí)多模態(tài)數(shù)據(jù)編碼器,高效處理圖像、時(shí)序傳感器信號(hào)及日志文本等異構(gòu)數(shù)據(jù);再依托并行深度神經(jīng)網(wǎng)絡(luò)隱私檢測(cè)引擎,在邊緣側(cè)設(shè)備實(shí)現(xiàn)多模態(tài)隱私數(shù)據(jù)的分布式實(shí)時(shí)檢測(cè);同時(shí)基于云–邊協(xié)同的動(dòng)態(tài)增量學(xué)習(xí)... （共16頁）