数字技术与应用杂志社

摘要：<正>在金融行业数字化转型中，性能测试需依赖大量包含敏感信息的数据，因此隐私保护至关重要。生成对抗网络（GAN）为解决此问题提供了新途径，基于此，本文将阐述GAN原理与架构，分析其在金融级性能测试数据构造中的优势，探讨基于加密、数据扰动及联邦学习的隐私保护方法，为金融行业在性能测试中平衡数据利用与隐私保护提供了有益参考。在金融领域，性能测试是确保金融系统能够高效、稳定运行并满足业务需求的重要环节。随着金融业务的不断拓展和创新，对金融系统的性能要求日益提高。金融数据区别于交通、教育等行业的常规数据，其存储大量重要敏感数据，这些数据往往包含客户敏感信息，如交易记录、个人身份信息等[1]。如何在构造性能测试数据时保护这些隐私信息，成为金融机构面临的严峻挑战。GAN作为一种新兴的深度学习技术，具有强大的数据生成能力，能够生成与真实数据分布相似的数据，为解决金融级性能测试数据构造中的隐私保护问题提供了新的思路和方法。

专辑： 信息科技;经济与管理科学

专题： 计算机软件及计算机应用;自动化技术;金融

分类号： F830;TP183;TP309