FFPDG：快速、公平且私密的数据生成
机器学习
2023-07-04 v1 人工智能
摘要
生成建模已频繁用于合成数据生成。公平性与隐私是合成数据的两大关注点。尽管近期基于GAN [\cite{goodfellow2014generative}]的方法在保护隐私方面表现出良好结果，但生成的数据可能更具偏置。同时，这些方法需要较高的计算资源。本工作中，我们设计了一种快速、公平、灵活且私密的数据生成方法。我们从理论与经验上展示了方法的有效性。我们表明，在真实应用场景的推理阶段，基于所提方法生成的数据训练的模型可表现良好。
引用
@article{arxiv.2307.00161,
title = {FFPDG: Fast, Fair and Private Data Generation},
author = {Weijie Xu and Jinjin Zhao and Francis Iannacci and Bo Wang},
journal= {arXiv preprint arXiv:2307.00161},
year = {2023}
}
备注
12 pages, 2 figures, ICLR 2021 Workshop on Synthetic Data Generation