parser.add_argument('--target_l2_ratio', type=float, default=1e-8)
parser.add_argument('--target_clipping_threshold', type=float, default=1)
parser.add_argument('--target_privacy', type=str, default='no_privacy')
parser.add_argument('--target_dp', type=str, default='dp')
parser.add_argument('--target_epsilon', type=float, default=0.5)
parser.add_argument('--target_delta', type=float, default=1e-5)
# attack model configuration
parser.add_argument('--attack_model', type=str, default='nn')
parser.add_argument('--attack_learning_rate', type=float, default=0.01)
parser.add_argument('--attack_batch_size', type=int, default=100)
parser.add_argument('--attack_n_hidden', type=int, default=64)
parser.add_argument('--attack_epochs', type=int, default=100)
parser.add_argument('--attack_l2_ratio', type=float, default=1e-6)
# proposed attack's noise parameters
parser.add_argument('--attack_noise_type', type=str, default='gaussian')
parser.add_argument('--attack_noise_coverage', type=str, default='full')
parser.add_argument('--attack_noise_magnitude', type=float, default=0.01)
# parse configuration
args = parser.parse_args()
print(vars(args))
# Flag to disable GPU
if args.use_cpu:
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
if args.save_data:
save_data(args)
else:
run_experiment(args)
# 从这里开始为数据添加噪声
'''这里添加用来混淆数据的代码End Coding'''''
''''''''''''''''''''''''''''''''''''
if args.save_data:
save_data(dataset_orignial,args,DATA_PATH = args.DATA_PATH, MODEL_PATH = args.MODEL_PATH)
#所有的数据都是提前分配处理好，然后保存到本地的硬盘当中。
#后续所有的训练操作都是从本地文件中读取数据，再进行训练。
dataset = load_data(args.DATA_PATH + 'target_data.npz')
print('Loading File From '+ args.DATA_PATH)
print '-' * 10 + 'TRAIN TARGET' + '-' * 10 + '\n'
attack_test_x, attack_test_y, test_classes = train_target_model(
dataset=dataset,
epochs=args.target_epochs,
batch_size=args.target_batch_size,
learning_rate=args.target_learning_rate,
