连接点：数据集压缩、差分隐私与对抗不确定性

我们的工作侧重于通过建立与($\epsilon$, $\delta$)-差分隐私的联系来理解数据集压缩的内在机制，其中最优噪声$\epsilon$由对抗不确定性选择\cite{Grining2017}。我们可以回答关于数据集压缩过程内部运作的问题。先前的工作\cite{dong2022}证明了数据集压缩（DC）与($\epsilon$, $\delta$)-差分隐私之间的联系。然而，现有关于消融DC以获得足以创建高保真合成数据的$\epsilon$下界估计的研究尚不明确。我们建议对抗不确定性是实现最优噪声水平$\epsilon$的最合适方法。作为数据集压缩内部动态的一部分，我们采用了一种令人满意的噪声估计方案，该方案在提供隐私的同时保证了高保真数据。