GlucoSynth：生成差分隐私合成葡萄糖轨迹
机器学习
2023-11-01 v4 密码学与安全
摘要
我们关注生成高质量、隐私保护的合成葡萄糖轨迹这一问题，该任务可推广至许多其他时间序列来源。现有的时间序列数据合成方法，例如使用生成对抗网络（GAN）的方法，无法捕捉葡萄糖数据的固有特征，并且在不严重损害合成数据效用的前提下无法提供任何形式化的隐私保证。在本文中，我们提出 GlucoSynth，一种新颖的隐私保护 GAN 框架，用于生成合成葡萄糖轨迹。我们方法的核心直觉是，除时间动态外，还保留轨迹内基序（葡萄糖事件）之间的关系。我们的框架结合了差分隐私机制以提供强形式化隐私保证。我们使用 120 万条葡萄糖轨迹对数据的真实世界效用进行了全面评估；GlucoSynth 在生成具有强隐私保证的高质量合成葡萄糖轨迹的能力上优于所有先前方法。
引用
@article{arxiv.2303.01621,
title = {GlucoSynth: Generating Differentially-Private Synthetic Glucose Traces},
author = {Josephine Lamp and Mark Derdzinski and Christopher Hannemann and Joost van der Linden and Lu Feng and Tianhao Wang and David Evans},
journal= {arXiv preprint arXiv:2303.01621},
year = {2023}
}