一种深度学习增强的海量数据安全降噪方法

本发明公开了一种深度学习增强的海量数据安全降噪方法，涉及数据安全降噪技术领域，通过周期性获取到带有噪声的目标数据经过训练后的降噪模型降噪处理后的后向数据；然后针对一个周期的目标数据及其对应的后向数据拆分成等分的两半数据，拆分后的目标数据顺序数为奇数的数据与顺序数为奇数的后向数据组合，形成数据组Cj，剩余目标数据中的数据在前后向数据中剩余数据在后组成数据组Uj；对Cj、Uj按照j的位数将其映射到二叉树一和二叉树二中，然后针对Cj或Uj对应的二叉树一或二叉树二进行旋转操作，通过将数据打乱后重组，且将二叉树一逆向还原在指定外设中，从而实现数据的混淆，即使账号被盗，也无法阅读到正确权限对应的数据，使得本申请简单有效，且易于实用。