大规模公开数据提升差分隐私图像生成质量
计算机视觉与模式识别
2023-09-04 v1 密码学与安全
机器学习
摘要
公开数据常被用于改善差分隐私机器学习的隐私-精度权衡，但先前工作大多假设此类数据与私有数据来自同一分布。在本工作中，我们研究如何使用通用大规模公开数据来提升生成对抗网络（GANs）中差分隐私图像生成的质量，并提供了一种有效利用公开数据的改进方法。我们的方法基于如下假设：公开数据分布的支持集包含私有数据分布的支持集；一个例子是公开数据来自通用互联网规模图像源，而私有数据由特定类型图像组成。详细评估表明，与现有使用公开数据的方法相比，我们的方法在 FID 分数及其他指标上达到了 SOTA，并能够以差分隐私方式生成高质量、照片级真实感图像。
引用
@article{arxiv.2309.00008,
title = {Large-Scale Public Data Improves Differentially Private Image Generation Quality},
author = {Ruihan Wu and Chuan Guo and Kamalika Chaudhuri},
journal= {arXiv preprint arXiv:2309.00008},
year = {2023}
}