基于 AutoGAN 的降维隐私保护方法
密码学与安全
2021-07-29 v2
摘要
保护敏感信息免受数据利用攻击是数据挖掘中一个新兴的研究领域。过去，人们引入了若干不同的方法来在最大化应用数据效用的同时保护个体隐私免受此类攻击。然而，这些现有技术不足以有效保护数据所有者隐私，尤其是在利用可可视化数据（如图像、视频）或需要大量计算来实现的应用场景中。为解决这些问题，我们提出了一种基于降维的新隐私保护方法。我们的方法生成降维数据以执行机器学习任务，并阻止强敌手重建原始数据。我们首先引入一种理论方法来评估基于降维的隐私保护机制，随后提出一个受最先进神经网络结构启发的非线性降维框架用于隐私保护。我们在三个不同的人脸图像数据集（AT&T、YaleB 和 CelebA）上进行了实验，结果表明当维度降至 7 时，我们分别取得了 79%、80% 和 73% 的准确率，且重建图像肉眼无法辨认。
引用
@article{arxiv.1902.10799,
title = {AutoGAN-based Dimension Reduction for Privacy Preservation},
author = {Hung Nguyen and Di Zhuang and Pei-Yuan Wu and Morris Chang},
journal= {arXiv preprint arXiv:1902.10799},
year = {2021}
}