差分隐私合成数据生成算法的基准评测
密码学与安全
2022-02-16 v2
摘要
本工作对能够生成表格数据的差分隐私合成数据生成算法进行了系统性基准评测。通过衡量合成数据是否保留单个及成对属性的分布、两两相关性，以及ML分类模型的准确率来评估合成数据的效用。在一项全面的实证评估中，我们确定了表现最优的算法以及那些始终无法超越基线方法的算法。
引用
@article{arxiv.2112.09238,
title = {Benchmarking Differentially Private Synthetic Data Generation Algorithms},
author = {Yuchao Tao and Ryan McKenna and Michael Hay and Ashwin Machanavajjhala and Gerome Miklau},
journal= {arXiv preprint arXiv:2112.09238},
year = {2022}
}