隐私保护生成模型：一项综合综述
机器学习
2025-02-07 v1 密码学与安全
摘要
尽管生成模型取得了突破性成功，但研究其对隐私和效用的影响变得愈发紧迫。虽然许多研究已证明生成对抗网络（GAN）带来的隐私威胁，但尚无现有综述系统性地对GAN和VAE的隐私与效用视角进行分类。本文全面研究隐私保护生成模型，通过分析100篇研究文献，为隐私和效用度量指标提出了新颖的分类法。最后，我们讨论了当前挑战和未来研究方向，以帮助新研究者深入理解相关基本概念。
引用
@article{arxiv.2502.03668,
title = {Privacy-Preserving Generative Models: A Comprehensive Survey},
author = {Debalina Padariya and Isabel Wagner and Aboozar Taherkhani and Eerke Boiten},
journal= {arXiv preprint arXiv:2502.03668},
year = {2025}
}