DPD-InfoGAN：差分隐私分布式 InfoGAN
机器学习
2021-03-24 v3 计算机视觉与模式识别
摘要
生成对抗网络（GANs）是能够生成合成数据集的深度学习架构。尽管默认 GAN 可生成高质量合成图像，但其对所生成图像的种类没有控制能力。信息最大化 GAN（InfoGAN）是默认 GAN 的一种变体，它引入了由框架自动学习的特征控制变量，从而对所生成的不同种类图像提供更强控制。由于 InfoGAN 的高模型复杂度，生成分布往往集中于训练数据点附近。这是一个关键问题，因为模型可能无意中暴露数据集中存在的敏感与隐私信息。为解决该问题，我们提出了 InfoGAN 的差分隐私版本（DP-InfoGAN）。我们还将框架扩展至分布式设置（DPD-InfoGAN），以允许客户端以隐私保护方式学习其他客户端数据集中存在的不同属性。在实验中，我们表明 DP-InfoGAN 与 DPD-InfoGAN 均能在保护隐私的同时，以对图像属性的灵活控制合成高质量图像。
引用
@article{arxiv.2010.11398,
title = {DPD-InfoGAN: Differentially Private Distributed InfoGAN},
author = {Vaikkunth Mugunthan and Vignesh Gokul and Lalana Kagal and Shlomo Dubnov},
journal= {arXiv preprint arXiv:2010.11398},
year = {2021}
}