[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

说明书

本发明公开了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、无线信号收发装置，该方法利用收集包含不同用户行为信息和被保留信息的无线信号样本，将所有信号样本打上用户行为标签和被保留信息标签，作为训练数据集训练一个基于暹罗网络的深度神经网络，获得用户行为隐私滤除网络。本发明利用一个基于暹罗网络的深度神经网络学习无线信号中被保留信息与行为信息的关系，使用相似度损失和识别损失结合的损失函数来计算损失，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，使该深度神经网络具有滤除用户行为信息但保留欲保留信息的能力。

技术领域

本发明属于用户隐私保护领域，具体涉及一种使用包含行为信息和被保留信息的信号样本构建数据集来训练一个深度神经网络以使其具有滤除用户行为隐私能力的方法、系统及无线信号收发装置。

背景技术

无线感知在近些年来受到了越来越多的关注。无线感知的非接触式以及保护视觉隐私的优势使其驱动的应用领域得到了迅速的发展和广泛的扩展。例如，基于无线信号的用户身份认证新技术和基于无线信号的行为识别新技术近年来层出不穷。与基于摄像头的身份认证和行为识别技术相比，基于无线信号的技术不会暴露用户的视觉隐私。与基于传感器的身份认证和行为识别技术相比，基于无线信号的技术不需要用户接触或佩戴任何设备。

然而，随着无线感知技术和人工智能技术的蓬勃发展，无线感知应用中的安全问题也随之浮现。例如，在一个基于无线信号的身份认证应用中，用户可以通过分析人体对无线信号造成的扭曲来提取用户的身份信息。但与此同时，由于用户不同的行为会对无线信号造成不同的扭曲。因此收集到的无线信号不仅可以用于身份认证，还可以用于行为识别。如果收集到的无线信号被公开或者上传到云端，那么攻击者就可以通过挖掘无线信号中行为信息来窃取用户的行为隐私。具体地，攻击者可以用一个已经训练好的行为分类器来对用户的数据进行行为分类，以得到行为信息。更糟糕的是，攻击者可以通过窃取的行为信息来推测用户的性格，心理，甚至敏感动作。因此，急需要一种行为信息滤除技术，该技术可以在无线信号中保留需要被保留的信息的同时，滤除行为相关的信息。以身份认证和定位应用为例，该技术可以在信号中保留用户的身份和位置信息，但擦除掉行为信息。

随着深度学习技术的发展，深度神经网络被用来拟合各种各样的复杂函数。因此，利用深度神经网络来学习行为信息和被保留信息的复杂函数变得可行。另外，由于机器学习分类器利用数据之间的空间可区分性来进行分类。空间可区分性可以用相似度表征。而暹罗网络可以很好的控制数据的相似度。因此，设计一个基于暹罗网络的深度模型来处理原始信号样本，以使处理后的信号样本对于行为不可分是可行的。本发明将属于同一行为但不同被保留信息的信号样本视为不相似，将属于同一被保留信息但不同行为的信号样本视为相似，提出一种基于深度神经网络的无线信号中行为隐私滤除方法。

发明内容

为了解决现有技术中的问题，本发明提出一种使用基于暹罗网络的深度神经网络来处理无线信号样本以滤除其中的用户行为隐私的方法。

为了实现以上目的，本发明所采用的技术方案是：

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，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；所述收集的信号样本包含用户行为的标签和被保留信息的标签，所以一条信号样本包含两个独立的标签。

(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队作为一个训练样本，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，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。