PCEvolve：基于少量私有数据和生成式 API 的私有对比演化合成数据集生成方法
密码学与安全
2025-06-09 v1
摘要
生成式 API的兴起推动了隐私保护合成数据生成的热潮。尽管私有演化（PE）算法通过扩散模型 API 生成差分隐私（DP）合成图像，但其基于 DP 保护的相似度投票方法在少量私有数据方面受限。在实际应用中，医疗和工业等专业领域的少样本私有数据挑战尤为突出。为此，本文提出一种新型 API 辅助算法——私有对比演化（PCEvolve），通过迭代挖掘少样本私有数据中数据点之外的内在类间对比关系，并将其无缝整合到适应性指数机制（EM）中，以在演化循环中优化 DP 的实用性。我们在四个专业数据集上进行大量实验，结果表明PCEvolve在生成高质量 DP 合成图像方面优于PE和其他 API 辅助基线方法。这些结果凸显了利用 API 访问私有数据进行质量评估的潜力，为更易于有效的隐私保护生成式 API 应用铺平了道路。我们的代码已公开于https://github.com/TsingZ0/PCEvolve。
引用
@article{arxiv.2506.05407,
title = {PCEvolve: Private Contrastive Evolution for Synthetic Dataset Generation via Few-Shot Private Data and Generative APIs},
author = {Jianqing Zhang and Yang Liu and Jie Fu and Yang Hua and Tianyuan Zou and Jian Cao and Qiang Yang},
journal= {arXiv preprint arXiv:2506.05407},
year = {2025}
}
备注
Accepted as ICML Spotlight (top 2.6%)