1 |
1
프로세서에 의하여 동작하는 순차적으로 위치한 다수의 레이어(Li, i = 1, 2, 3
|
2 |
2
제 1 항에 있어서,상기 식별 가능 판단부는, 상기 다음 단계의 연산 결과 데이터의 산출을 상기 손실율이 상기 기준 값에 도달할 때까지 반복하는 것을 특징으로 하는 딥러닝 기반의 개인정보 가공 시스템
|
3 |
3
제 1 항에 있어서,상기 신경망은 다수의 레이어(Li, i = 1, 2, 3
|
4 |
4
제 1 항에 있어서,상기 신경망은 다수의 레이어(Li, i = 1, 2, 3
|
5 |
5
제 1 항에 있어서,상기 신경망은 다수의 레이어(Li, i = 1, 2, 3
|
6 |
6
제 1 항에 있어서 상기 손실율 계산부는,상기 손실율을 산출하기 위하여 MSE, PSNR, Image correlation의 방법 중 적어도 하나를 사용하는 것을 특징으로 하는 딥러닝 기반의 개인정보 가공 시스템
|
7 |
7
제 6 항에 있어서 상기 식별 가능 판단부는,상기 손실율을 산출하기 위하여 Image correlation를 사용하며, 상기 Image correlation의 값과 미리 설정된 기준 값인 0
|
8 |
8
제 2 항에 있어서,상기 식별 불가 수준으로 판단되는 Li 레이어의 i값을 산출하고, 상기 신경망에 포함된 다수의 레이어 중 L1부터 Li 레이어까지는 상기 개인정보 가공장치에서 연산을 수행하며, Li+1 부터 Ln 레이어까지는 상기 서버에서 연산을 수행함으로써 상대적으로 적은 물리적 연산능력으로 비식별화 및 딥러닝 연산이 가능한 것을 특징으로 하는 딥러닝 기반의 개인정보 가공 시스템
|
9 |
9
개인정보 가공장치에서 프로세서에 의하여 동작하는 순차적으로 위치한 다수의 레이어(Li, i = 1, 2, 3
|
10 |
10
제 9 항에 있어서,상기 식별 가능 수준으로 판단하는 단계는, 상기 다음 단계의 연산 결과 데이터의 산출을 상기 손실율이 상기 기준 값에 도달할 때까지 반복하는 것을 특징으로 하는 딥러닝 기반의 개인정보 가공방법
|
11 |
11
제 9 항에 있어서,상기 신경망은 다수의 레이어(Li, i = 1, 2, 3
|
12 |
12
제 9 항에 있어서,상기 신경망은 다수의 레이어(Li, i = 1, 2, 3
|
13 |
13
제 9 항에 있어서,상기 신경망은 다수의 레이어(Li, i = 1, 2, 3
|
14 |
14
제 9 항에 있어서 상기 손실율을 계산하는 단계는,상기 손실율을 산출하기 위하여 MSE, PSNR, Image correlation의 방법 중 적어도 하나를 사용하는 것을 특징으로 하는 딥러닝 기반의 개인정보 가공방법
|
15 |
15
제 14 항에 있어서 상기 계산된 손실율과 미리 설정된 기준 값을 비교하는 단계는,상기 손실율을 산출하기 위하여 Image correlation를 사용하며, 상기 Image correlation의 값과 미리 설정된 기준 값인 0
|
16 |
16
제 9 항에 있어서,상기 식별 불가 수준으로 판단되는 Li 레이어의 i값을 산출하고, 상기 신경망에 포함된 다수의 레이어 중 L1부터 Li 레이어까지는 상기 개인정보 가공장치에서 연산을 수행하며, Li+1 부터 Ln 레이어까지는 상기 서버에서 연산을 수행함으로써 상대적으로 적은 물리적 연산능력으로 비식별화 및 딥러닝 연산이 가능한 것을 특징으로 하는 딥러닝 기반의 개인정보 가공방법
|