从私有到公共：隐私时间序列分类背景下 GAN 的基准评测
机器学习
2024-07-19 v2 人工智能
摘要
深度学习已在多个领域和不同任务中被证明是成功的。然而，涉及私有数据时，若干限制使得在这些应用领域中难以使用深度学习方法。近期的方法尝试以私有方式生成数据，而非直接在分类器之上施加隐私保护机制。其解决方案是以保护数据隐私的方式从私有数据创建公共数据。本工作中，两种非常知名的基于 GAN 的架构在私有时间序列分类背景下进行了评测。与以往主要局限于图像域的工作不同，本基准的范围为时间序列域。实验表明，尤其是 GSWGAN 在多种公共数据集上表现良好，优于竞争对手 DPWGAN。对生成数据集的分析进一步验证了 GSWGAN 在时间序列生成背景下的优越性。
引用
@article{arxiv.2303.15916,
title = {From Private to Public: Benchmarking GANs in the Context of Private Time Series Classification},
author = {Dominique Mercier and Andreas Dengel and Sheraz Ahmed},
journal= {arXiv preprint arXiv:2303.15916},
year = {2024}
}
备注
18 pages, 6 figures, 6 tables