[发明专利]一种基于深度学习的无线信号中用户行为隐私的滤除方法、系统及无线信号收发装置

权利要求书

1.一种基于深度学习的无线信号中用户行为隐私的滤除方法，其特征在于，具体为：

将无线信号输入至训练好的用户行为隐私滤除网络，获得滤除用户行为隐私的特征向量；所述用户行为隐私滤除网络由基于暹罗网络的特征提取器和一个被保留信息分类器或识别器组成，用户行为隐私滤除网络训练包括以下步骤：

(1)收集包含不同用户信息和不同被保留信息的无线信号样本，并对每条信号样本打上行为标签和被保留信息标签；

(2)对信号样本中拥有相同行为标签不同被保留信息标签以及拥有相同被保留信息标签不同行为标签的个体进行两两组对作为训练样本，对每一个训练样本重新打上相似度标签和被保留信息标签；其中，所述相似度标签表示训练样本中两个无线信号样本的行为标签是否相同，训练样本的被保留信息标签为训练样本中任一无线信号样本的被保留信息标签；所述基于权重的损失函数为：

L＝α*L_s+(1-α)*L_i，α[0，1]，

其中α是权重，Ls是相似度损失，表示为：

L_s＝(1-Y_s)*(D_w(B(x₁)，B(x₂)))²+Y_s*(max{0，margin-D_w(B(x₁)，B(x₂))})²，

其中Y_s是训练样本的相似度标签；具有相同的行为标签但是不同被保留信息标签的训练样本，相似度标签设为1，具有相同的被保留信息标签但是不同行为标签的训练样本，相似度标签为0；B(x₁)表示对信号样本x₁利用特征提取器B()来提取与行为信息无关的被保留信息特征向量；D_w(B(x₁)，B(x₂))表示对B(x₁)和B(x₂)求欧几里得距离，margin是一个距离阈值，为实数；

L_i为被保留信息识别损失，采用交叉熵函数；

(3)将训练样本输入至用户行为隐私滤除网络，采用基于权重的损失函数进行约束，并利用计算得到的损失反向传播更新深度神经网络中的参数，训练获得训练好的用户行为隐私滤除网络，其中基于权重的损失函数包括相似度损失和被保留信息识别损失，所述相似度损失用于控制特征提取器输出特征的相似度以降低信号样本的行为可区分度，被保留信息识别损失用于提高被保留信息分类器或识别器输出的特征向量中被保留信息的含量；被保留信息分类器或识别器的输入为训练样本中被保留信息标签对应的无线信号样本经特征提取器的输出。

2.根据权利要求1所述的基于深度学习的无线信号中用户行为隐私的滤除方法，其特征在于，所述步骤(2)具体为:

将收集的信号样本按如下方式进行两两组对:

两个具有相同行为标签但不同被保留信息标签的信号样本组成一对，构成一条训练样本；两个具有相同被保留信息标签但不同行为标签的信号样本组成一对，构成一条训练样本；

将第一种训练样本内的信号样本视为“不相似”并打上相似度标签和被保留信息标签；将第二种训练样本中的信号样本视为“相似”，打上相似度标签和被保留信息标签。

3.根据权利要求1所述的基于深度学习的无线信号中用户行为隐私的滤除方法，其特征在于，基于暹罗网络的特征提取器由三层卷积层和两层全连接层组成，被保留信息识别器由两层全连接层组成。

4.一种基于权利要求1所述滤除方法的无线信号中用户行为隐私滤除系统，其特征在于，包括：

无线信号采集模块，用于采集无线信号；

用户行为隐私滤除模块，用于将无线信号输入至训练好的用户行为隐私滤除网络，获得滤除用户行为隐私的特征向量。

5.一种无线信号收发装置，其特征在于，所述无线信号收发装置包括处理器，所述处理器上运行基于深度学习的无线信号中用户行为隐私滤除程序。