高效且隐私保护的表格数据合成
机器学习
2021-08-24 v1
摘要
尽管数据共享对知识发展至关重要，但隐私问题和严格监管（例如欧洲通用数据保护条例（GDPR））不幸地限制了其充分发挥效用。合成表格数据作为一种替代方案出现，能够在满足监管和隐私约束的同时实现数据共享。最先进的表格数据合成器从生成对抗网络（GAN）中汲取方法。在本论文中，我们开发了 CTAB-GAN，一种新颖的条件表格 GAN 架构，能够有效建模具有复杂分布的多样数据类型。CTAB-GAN 在数据相似性和分析效用方面与生成合成表格的最先进 GAN 进行了广泛评估。在五个数据集上的结果表明，CTAB-GAN 的合成数据对于所有三类变量都极其类似于真实数据，并使五种机器学习算法的准确率提高了至多 17%。此外，为确保训练表格 GAN 抵御恶意隐私攻击的更高安全性，研究并使用了差分隐私（DP）来以严格隐私保证训练 CTAB-GAN。DP-CTAB-GAN 使用最先进的 DP 表格 GAN 在数据效用和针对成员推断与属性推断攻击的隐私鲁棒性方面进行了严格评估。我们在三个数据集上的结果表明，严格的理论差分隐私保证仅在严重损害数据效用后才到来。然而，经验表明这些保证有助于提供对隐私攻击更强的防御。总体而言，发现 DP-CTABGAN 能够相比先前工作对隐私攻击保持鲁棒，同时维持最高数据效用，在平均精度分数方面高出至多 18%。
引用
@article{arxiv.2108.10064,
title = {Effective and Privacy preserving Tabular Data Synthesizing},
author = {Aditya Kunar},
journal= {arXiv preprint arXiv:2108.10064},
year = {2021}
}
备注
Thesis to obtain the degree of Master of Science at the Delft University of Technology