ST-DPGAN: 一种用于时空数据生成的隐私保护框架
机器学习
2024-06-06 v1 人工智能
密码学与安全
摘要
时空数据广泛存在于各种边缘设备中，例如用于个人通信和金融交易的设备。最近的进展引发了将时空分析与大规模语言模型相结合的日益增长的兴趣。然而，时空数据通常包含敏感信息，使其不适合开放给第三方访问。为应对这一挑战，我们提出了一种基于图生成对抗网络的模型，用于生成受隐私保护的时空数据。我们的方法在判别器中引入了空间和时间注意力模块，并在生成器中引入了时空反卷积结构。这些增强功能使得在加性高斯噪声下进行高效训练以实现差分隐私成为可能。在三个真实世界时空数据集上进行的大量实验验证了我们模型的有效性。我们的方法在保证隐私的同时保持了数据效用。在我们生成的数据上训练的预测模型，与在原始数据上训练的模型相比，保持了具有竞争力的性能。
引用
@article{arxiv.2406.03404,
title = {ST-DPGAN: A Privacy-preserving Framework for Spatiotemporal Data Generation},
author = {Wei Shao and Rongyi Zhu and Cai Yang and Chandra Thapa and Muhammad Ejaz Ahmed and Seyit Camtepe and Rui Zhang and DuYong Kim and Hamid Menouar and Flora D. Salim},
journal= {arXiv preprint arXiv:2406.03404},
year = {2024}
}