利用差分隐私条件GAN改进不平衡数据生成中的相关性捕捉
机器学习
2022-06-29 v1 人工智能
密码学与安全
数据结构与算法
摘要
尽管生成对抗网络（GANs）在文本、图像和视频上取得了显著成功，但由于捕捉不平衡数据中的依赖关系、在保留隐私的同时优化合成患者数据质量等独特挑战，生成高质量表格数据仍在发展中。本文中，我们提出DP-CGANS，一种差分隐私条件GAN框架，由数据变换、采样、条件化和网络训练组成，用于生成真实且保护隐私的表格数据。DP-CGANS区分类别变量与连续变量，并将其分别变换到潜空间。随后，我们构造一个条件向量作为额外输入，不仅呈现不平衡数据中的少数类，还捕捉变量间的依赖关系。我们在DP-CGANS的网络训练过程中向梯度注入统计噪声，以提供差分隐私保证。我们在三个公共数据集和两个真实世界个人健康数据集上，从统计相似性、机器学习性能和隐私度量方面，用最先进的生成模型对我们的模型进行了广泛评估。我们表明，我们的模型优于其他可比模型，尤其在捕捉变量间依赖关系方面。最后，考虑到真实世界数据集的不同数据结构和特征（如不平衡变量、异常分布和数据稀疏性），我们给出了合成数据生成中数据效用与隐私之间的平衡。
引用
@article{arxiv.2206.13787,
title = {Improving Correlation Capture in Generating Imbalanced Data using Differentially Private Conditional GANs},
author = {Chang Sun and Johan van Soest and Michel Dumontier},
journal= {arXiv preprint arXiv:2206.13787},
year = {2022}
}