用于隐私保护深度学习的合成数据生成
机器学习
2019-04-30 v3 密码学与安全
机器学习
摘要
本文提出生成保留真实数据统计特性的合成数据,作为针对原始数据集提供隐私保护的手段。我们使用生成对抗网络(generative adversarial network, GAN)抽取保护隐私的合成数据样本,并推导出一种以类差分隐私方式评估信息泄露风险的经验方法。我们的实验表明,我们能够生成高质量的合成数据,并成功在此数据上训练和验证机器学习模型,同时限制潜在的隐私损失。
引用
@article{arxiv.1803.03148,
title = {Generating Artificial Data for Private Deep Learning},
author = {Aleksei Triastcyn and Boi Faltings},
journal= {arXiv preprint arXiv:1803.03148},
year = {2019}
}
备注
Privacy-Enhancing Artificial Intelligence and Language Technologies, AAAI Spring Symposium Series, 2019