一种基于自注意力的高数据效用差分隐私表格 GAN
机器学习
2023-12-21 v1 密码学与安全
数据库
摘要
生成对抗网络（GAN）已成为数据生成的无处不在的技术，其在图像生成方面的能力已得到充分证实。然而，它们在生成表格数据方面的应用并不理想。此外，试图将差分隐私技术纳入这些框架往往会导致数据效用的下降。为了应对这些挑战，本文提出了 DP-SACTGAN，一种用于差分隐私表格数据生成的新型条件生成对抗网络（CGAN）框架，旨在克服这些障碍。实验结果表明，DP-SACTGAN 不仅准确地建模了原始数据的分布，而且有效地满足了差分隐私的要求。
引用
@article{arxiv.2312.13031,
title = {A self-attention-based differentially private tabular GAN with high data utility},
author = {Zijian Li and Zhihui Wang},
journal= {arXiv preprint arXiv:2312.13031},
year = {2023}
}