Автоэнкодеры для шифрования любого типа данных и метод уменьшения размерности с помощью автоэнкодеров

Question

Нам необходимо реализовать новый подход с использованием генеративной модели глубокого обучения, основанной на автокодировщиках, для шифрования любых типов данных. Идея состоит в том, чтобы использовать автокодеры для уменьшения размеров данных, так возможно ли это и как ???

Answer 1

Возможно ли это? Да! Автоэнкодеры могут быть решением для представления одной информации в другом представлении. Автоэнкодеры - это метод обучения без учителя, цель которого - сделать входные и выходные данные одинаковыми. Так в чем же польза от автокодировщиков? У них есть скрытые слои, обычно с меньшим количеством измерений, и на этом этапе данные нечеткие. Вы все еще можете восстановить исходные данные, используя вторую часть ИНС, декодер.

Идея такова: исходные данные> входной слой> скрытый слой (разное количество узлов)> выходной слой> исходные данные

Входной и скрытый слой: кодировщик Скрытый слой и выходной слой: декодер

Здесь вы можете найти дополнительную информацию: https://towardsdatascience.com/applied-deep-learning-part-3-autoencoders-1c083af4d798

В одну сторону быть использовать большой скрытый слой, превышающий размер данных, чтобы создать "зашифрованную" версию, но я действительно не вижу смысла, если вы можете использовать классическую криптографию.