網路的架構有三個區塊，分別是生成網路，分類網路，重建網路。原始圖片會經過生成網路得到壓縮後的特徵資料，特徵資料會再分別經過分類網路跟重建網路，分類網路的目標是要準確做出分類，重建網路的角色則是攻擊者，要用特徵資料重建原始圖片。我們用對抗方式找到生成網路的參數讓得到的特徵資料能做好分類，但無法重建。

我們展現了CPGAN與PCA/RAN/DNN結果相較下顯示最佳，並證實即便攻擊者得到壓縮過的資料與原始訓練資料也無法還原圖片，達到最好的保護效果。
藉由漏斗層的概念，控制壓縮資料的維度，讓我們可以控制隱私資訊的程度，在準確度與重建圖之間作調整。

本技術旨在建立起機器學習過程中在資料取得上的隱私維護機制，以鼓勵企業以安全可靠的方式提供資料給AI創新中心，使AI創新中心得以取得以往較難取得，具個人或企業隱私的資料，以推展工業4.0與智慧製造相關的研究