基于生成对抗网络的高端装备研制数据脱敏方法

doi:10.3969/j.issn.1001-506X.2020.06.14

系统工程与电子技术 ›› 2020, Vol. 42 ›› Issue (6): 1310-1316.doi: 10.3969/j.issn.1001-506X.2020.06.14

基于生成对抗网络的高端装备研制数据脱敏方法

向南(), 张雄涛(), 豆亚杰(), 徐向前(), 杨克巍(), 谭跃进()

国防科技大学系统工程学院, 湖南长沙 410072

收稿日期:2019-10-28 出版日期:2020-06-01 发布日期:2020-06-01
作者简介:向南(1995-),女,硕士研究生,主要研究方向为系统优化与综合集成技术。E-mail:xiangnan1827@163.com|张雄涛(1996-),男,硕士研究生,主要研究方向为智能系统工程。E-mail:zhangxiongtao14@nudt.edu.cn|豆亚杰(1987-),男,讲师,博士,主要研究方向为组合决策、效能评估。E-mail:yajiedou_nudt@163.com|徐向前(1995-),男,硕士研究生,主要研究方向为决策分析。E-mail:xuxiangqian18@163.com|杨克巍(1977-),男,教授,博士,主要研究方向为国防采办与体系工程、智能Agent建模。E-mail:kayyang27@nudt.edu.cn|谭跃进(1958-),男,教授,博士研究生导师,硕士，主要研究方向为复杂系统工程管理、武器装备体系技术。E-mail:yjtan@nudt.edu.cn
基金资助:
国家自然科学基金(71901214);国家自然科学基金(71690233)

High-end equipment development data hyposensitization method based on generative adversarial networks

Nan XIANG(), Xiongtao ZHANG(), Yajie DOU(), Xiangqian XU(), Kewei YANG(), Yuejin TAN()

College of Systems Engineering, National University of Defense Technology, Changsha 410073, China

Received:2019-10-28 Online:2020-06-01 Published:2020-06-01
Supported by:
国家自然科学基金(71901214);国家自然科学基金(71690233)

摘要/Abstract

摘要：

针对高端装备研制数据的保密性和重要性,提出一种基于生成对抗网络(generative adversarial networks, GAN)的高端装备研制数据脱敏方法。面对高端装备研制数据在数据挖掘和数据共享时可能面临泄露的风险,利用GAN进行数据脱敏。在随机生成的高斯数据集上进行实验,通过比较源数据和脱敏数据的统计特征,证明GAN的数据脱敏方法能够有效实现数据脱敏过程中所要求的数据安全性、数据有效性和成本可控性。最后,在Yeast数据集上进行验证, GAN输出的脱敏数据同样在现实世界数据集上表现出色,能够准确地预测Yeast的分类,为高端装备研制数据的管理和分析提供了一种新的思路。

关键词: 高端装备研制, 数据脱敏, 生成对抗网络

Abstract:

Aiming for the confidentiality and importance of high-end equipment development data, a data hyposensitization method based on generative adversarial networks (GAN) is proposed. Considering the high-end equipment development data may face the risk of sensitive data disclosure during data mining and data sharing, the GAN for data hyposensitization is used. Experiments are carried out on randomly generated Gauss data sets. By comparing the statistical characteristics of the original data and hyposensitization data, it is proved that the data hyposensitization method based on GAN can effectively realize the data security, data utility and cost controllability. Finally, on the Yeast dataset, the desensitized data output by the GAN also performs well in real-world datasets, which can accurately predict the classification of Yeast, providing a new idea for the management and analysis of high-end equipment development data.

Key words: high-end equipment development, data hyposensitization, generative adversarial networks (GAN)

中图分类号:

TP39

向南, 张雄涛, 豆亚杰, 徐向前, 杨克巍, 谭跃进. 基于生成对抗网络的高端装备研制数据脱敏方法[J]. 系统工程与电子技术, 2020, 42(6): 1310-1316.

Nan XIANG, Xiongtao ZHANG, Yajie DOU, Xiangqian XU, Kewei YANG, Yuejin TAN. High-end equipment development data hyposensitization method based on generative adversarial networks[J]. Systems Engineering and Electronics, 2020, 42(6): 1310-1316.

图/表 12

图1

图2

图3

图4

图5

图6

图7

表1

表2

图8

图9

表3

参考文献 18

1	张西林, 谭跃进, 杨志伟. 多重不确定因素影响的高端装备研制任务仿真建模[J]. 系统工程与电子技术, 2018, 40 (6): 1265- 1273.
	ZHANG X L , TAN Y J , YANG Z W . Simulation modeling of high-end equipment development tasks influenced by multiple uncertain factors[J]. Systems Engineering and Electronics, 2018, 40 (6): 1265- 1273.
2	崔敏龙.商业秘密保护中数据脱敏技术研究[D].西安:西安电子科技大学, 2015.
	CUI M L. Research on data hyposensitization technology in trade secret protection[D]. Xi'an: Xidian University, 2015.
3	吴行飞.中小城市商业银行数据脱敏研究[D].济南:山东大学, 2016.
	WU X F. Research on data hyposensitization of commercial banks in small and medium cities[D]. Jinan: Shandong University, 2016.
4	乔宏明, 梁奂. 运营商面向大数据应用的数据脱敏方法探讨[J]. 移动通信, 2015, 13, 17- 20.
	QIAO H M , LIANG H . Discussion on data hyposensitization methods for operators for big data applications[J]. Mobile Communications, 2015, 13, 17- 20.
5	张嘉迅, 张传国. 网络借贷中个人信息安全保护的数据脱敏技术综述[J]. 网络安全技术与应用, 2018, 9, 73- 74.
	ZHANG J X , ZHANG C G . A survey of data hyposensitization technology for personal information security protection in internet lending[J]. Network Security Technology and Application, 2018, 9, 73- 74.
6	臧昊, 赵强, 卞水荣. 基于XML的电子病历隐私数据脱敏技术的研究与设计[J]. 信息技术与信息化, 2017, 3, 111- 114.
	ZANG H , ZHAO Q , BIAN S R . Research and design of electronic medical record privacy data hyposensitization technology based on XML[J]. Information Technology and Informatization, 2017, 3, 111- 114.
7	SARADA G, ABITHA N, MANIKANDAN G, et al. A few new approaches for data masking[C]//Proc.of the International Conference on Circuits, Power and Computing Technologies, 2015. DOI: 10.1109/ICCPCT.2015.7159301.
8	BAKKEN D E , RARAMESWARAN R , BLOUGH D M , et al. Data obfuscation: anonymity and desensitization of usable data sets[J]. IEEE Security & Privacy, 2004, 2 (6): 34- 41.
9	陈天莹, 陈剑锋. 大数据环境下的智能数据脱敏系统[J]. 通信技术, 2016, 49 (7): 915- 922. doi: 10.3969/j.issn.1002-0802.2016.07.023
	CHEN T Y , CHEN J F . Intelligent data desensitization system in big data environment[J]. Communications Technology, 2016, 49 (7): 915- 922. doi: 10.3969/j.issn.1002-0802.2016.07.023
10	GOODFELLOW I J, POUGET-ABADIE J, MIRZA M, et al. Generative adversarial nets[C]//Proc.of the 27th International Conference on Neural Information Processing Systems, 2014, 2: 2672-2680.
11	刘骐宁.基于大数据的北京高端装备制造业商业模式研究[D].北京:北方工业大学, 2016.
	LIU Q N. Research on business model of Beijing high-end equipment manufacturing industry based on big data[D]. Beijing: North China University of Technology, 2016.
12	CRESWELL A , WHITE T , DUMOULIN V , et al. Generative adversarial networks: An overview[J]. IEEE Signal Processing Magazine, 2018, 35 (1): 53- 65. doi: 10.1109/MSP.2017.2765202
13	ZHANG H Y, XU S S, JIAO J T, et al. Stackelberg gan: towards prova-ble minimax equilibrium via multi-generator architectures[J]. arXiv preprint arXiv: 1811.08010, 2018.
14	NAKAI K , KANEHISA M . Expert system for predicting protein localization sites in gram-negative bacteria[J]. Proteins: Structure, Function, and Bioinformatics, 1991, 11 (2): 95- 110. doi: 10.1002/prot.340110203
15	NAKAI K , KANEHISA M . A knowledge base for predicting protein localization sites in eukaryotic cells[J]. Genomics, 1992, 14 (4): 897- 911. doi: 10.1016/S0888-7543(05)80111-9
16	BAY S D , KIBLER D , PAZZANI M J , et al. The UCI KDD archive of large data sets for data mining research and experimentation[J]. ACM SIGKDD Explorations Newsletter, 2000, 2 (2): 81- 85. doi: 10.1145/380995.381030
17	LIAW A , WIENER M . Classification and regression by random forest[J]. R news, 2002, 2 (3): 18- 22.
18	BREIMAN L . Bagging predictors[J]. Machine learning, 1996, 24 (2): 123- 140.

		平均值	标准差	最小值	25%	50%	75%	最大值
源数据	X	-0.000 6	0.702 9	-0.897 4	-0.858 8	-0.000 1	0.858 6	0.904 5
源数据	Y	-0.001 8	0.711 5	-1.034 2	-0.506 8	-0.472 7	0.507 2	1.033 8
生成数据	X	-0.000 6	0.704 5	-0.885 8	-0.857 8	-0.000 6	0.856 8	0.894 7
生成数据	Y	0.008 5	0.705 9	-1.000 0	-0.487 5	-0.461 8	0.512 4	1.000 0

	层	输入	输出	激活函数
生成器	Liner	Dim	32	BatchNorm1d
生成器	Liner	32	Dim	LeakyRelu
判别器	Liner	2	512	LeakyRelu
	Liner	512	256	LeakyRelu
	Liner	256	1	Sigmoid

	精确度	召回率	F1分数	支持数
类别1	0.96	0.97	0.96	255
类别2	0.72	0.62	0.67	29
精确度			0.94	284
宏平均值	0.84	0.80	0.82	284
加权平均值	0.93	0.94	0.93	284

[1]	刘戎翔, 吴琳, 谢智歌, 刘虹麟. 基于生成对抗网络的防空体系态势辅助分析[J]. 系统工程与电子技术, 2022, 44(8): 2522-2529.
[2]	徐平亮, 崔亚奇, 熊伟, 熊振宇, 顾祥岐. 生成式中断航迹接续关联方法[J]. 系统工程与电子技术, 2022, 44(5): 1543-1552.
[3]	曹鹏宇, 杨承志, 石礼盟, 吴宏超. 基于PSO-DBSCAN和SCGAN的未知雷达信号处理方法[J]. 系统工程与电子技术, 2022, 44(4): 1158-1165.
[4]	邵凯, 朱苗苗, 王光宇. 基于生成对抗与卷积神经网络的调制识别方法[J]. 系统工程与电子技术, 2022, 44(3): 1036-1043.
[5]	曹鹏宇, 杨承志, 石礼盟, 吴宏超. 基于DAE-GAN网络的LPI雷达信号增强[J]. 系统工程与电子技术, 2021, 43(9): 2493-2500.
[6]	赵凡, 金虎. 基于GAN的通信干扰波形生成技术[J]. 系统工程与电子技术, 2021, 43(4): 1080-1088.
[7]	田相轩, 石志强. 基于改进型生成对抗网络的指挥信息系统模拟数据生成算法[J]. 系统工程与电子技术, 2021, 43(1): 163-170.
[8]	殷小静, 胡晓峰, 刘戎翔, 谢智歌, 马骏. 基于GAN的体系能力图谱生成方法[J]. 系统工程与电子技术, 2020, 42(10): 2257-2264.
[9]	朱克凡, 王杰贵. 小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法[J]. 系统工程与电子技术, 2020, 42(1): 67-75.
[10]	郝云飞, 刘章孟, 郭福成, 张敏. 基于生成对抗网络的信号调制方式的开集识别[J]. 系统工程与电子技术, 2019, 41(11): 2619-2624.
[11]	张西林, 谭跃进, 杨志伟. 多重不确定因素影响的高端装备研制任务仿真建模[J]. 系统工程与电子技术, 2018, 40(6): 1265-1273.

基于生成对抗网络的高端装备研制数据脱敏方法

High-end equipment development data hyposensitization method based on generative adversarial networks

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 18

相关文章 11

编辑推荐

Metrics

本文评价