将私有采样用于合成数据的实际考量
密码学与安全
2023-12-13 v1
摘要
人工智能与数据访问已成为主流。在设计人工智能或公开数据库内容时,主要挑战之一是保护参与该过程的个人的隐私。用于合成数据生成的差分隐私因能在自由使用合成数据的同时保护隐私而备受关注。私有采样是首个构建具有严格隐私和精度边界的差分隐私合成数据的无噪声方法。然而,这种合成数据生成方法带有一些约束,这些约束对于真实世界数据集来说似乎不切实际且不适用。在本文中,我们提供了私有采样算法的实现,并讨论了在实际情况下其约束的现实性。
引用
@article{arxiv.2312.07139,
title = {Practical considerations on using private sampling for synthetic data},
author = {Clément Pierquin and Bastien Zimmermann and Matthieu Boussard},
journal= {arXiv preprint arXiv:2312.07139},
year = {2023}
}