GEM+: 基于生成网络的可扩展私有合成数据
机器学习
2025-11-14 v1
摘要
当前差分隐私合成表格数据的领先方法基于自适应的「选取-测量-生成」框架，如 AIM 等方法。这些方法迭代测量低阶噪声边际分布并拟合图形模型以生成合成数据，在隐私约束下实现数据质量的系统优化。然而，图形模型在高维数据上效率低下，需大量内存，且在图结构变化时必须从头重新训练，导致显著的计算开销。近期方法如 GEM 通过使用生成神经网络实现规模化优势。然而，现有实证比较主要聚焦小型数据集，限制了实际应用。本文引入 GEM+，将 AIM 的自适应测量框架与 GEM 的可扩展生成网络集成。我们的实验表明，GEM+ 在实用性和规模化方面均优于 AIM，在处理超过一百列的高维数据集时表现突出，而 AIM 因内存和计算开销受限。
引用
@article{arxiv.2511.09672,
title = {GEM+: Scalable State-of-the-Art Private Synthetic Data with Generator Networks},
author = {Samuel Maddock and Shripad Gade and Graham Cormode and Will Bullock},
journal= {arXiv preprint arXiv:2511.09672},
year = {2025}
}