通过平均场朗之万动力学实现私有连续时间合成轨迹生成
机器学习
2025-06-17 v1 机器学习
摘要
我们提供了一种算法，用于私有生成连续时间数据（如随机微分方程的边缘分布），该算法在涉及时间序列数据的敏感领域（如医疗健康）中具有应用。我们利用轨迹推断与连续时间合成数据生成之间的联系，以及基于平均场朗之万动力学的计算方法。由于离散化的平均场朗之万动力学与含噪粒子梯度下降等价，含噪随机梯度下降的差分隐私结果可应用于我们的设置。我们在合成的手写 MNIST 数据变体上进行了实验，生成了逼真的轨迹，同时保持了有意义的隐私保证。关键的是，我们的方法在每人仅贡献一个时间点数据的设定下具有强效用保证，而先前方法要求每人贡献其完整的时间轨迹——从构造上直接改善了隐私特性。
引用
@article{arxiv.2506.12203,
title = {Private Continuous-Time Synthetic Trajectory Generation via Mean-Field Langevin Dynamics},
author = {Anming Gu and Edward Chien and Kristjan Greenewald},
journal= {arXiv preprint arXiv:2506.12203},
year = {2025}
}