FairFinGAN: 公平性感知的合成金融数据生成
机器学习
2026-03-06 v1
摘要
金融数据集常常存在偏见，可能导致自动化系统中的不公平决策。在本工作中，我们提出了FairFinGAN——一个基于WGAN的框架，用于生成合成金融数据，同时针对受保护属性消除偏见。我们的ethods通过分类器将公平性约束直接整合到训练过程中，以确保生成的合成数据既公平又保留对下游预测任务的实用性。我们在五个真实金融数据集上对模型进行评估，并与现有GAN-based数据生成方法进行比较。实验结果表明，我们的方法在不显著损失数据实用性的前提下实现了出色的公平性指标，显示其作为金融应用中偏见感知数据生成工具的潜力。
引用
@article{arxiv.2603.05327,
title = {FairFinGAN: Fairness-aware Synthetic Financial Data Generation},
author = {Tai Le Quy and Dung Nguyen Tuan and Trung Nguyen Thanh and Duy Tran Cong and Huyen Giang Thi Thu and Frank Hopfgartner},
journal= {arXiv preprint arXiv:2603.05327},
year = {2026}
}
备注
Accepted to Special Session: Data Science: Foundations and Applications (DSFA), PAKDD 2026