基于 TabularARGN 的隐私保护表格合成数据生成

合成数据生成已成为安全共享和分析敏感数据集的 essential 手段。然而，传统的匿名化技术往往无法充分保护隐私。我们引入了 Tabular Auto-Regressive Generative Network (TabularARGN)，这是一种专为生成高质量合成表格数据而设计的神经网络架构。通过基于离散化的自回归方法，TabularARGN在保持高数据保真度的同时保持计算效率。我们对TabularARGN进行了评估，与现有的合成数据生成方法进行了比较，显示出在统计相似性、机器学习实用性和检测鲁棒性方面的竞争成绩。我们进一步进行了深入的隐私评估，使用系统化的成员推断攻击，突显了该方法在隐私-效用平衡方面的鲁棒性和有效性。