TAPAS：一个用于合成数据对抗性隐私审计的工具箱
密码学与安全
2022-11-15 v1 人工智能
机器学习
摘要
大规模收集的个人数据有望改善决策并加速创新。然而，共享和使用此类数据引发了严重的隐私担忧。一个有前景的解决方案是生成合成数据，即以人工记录替代真实数据进行共享。由于合成记录不与真实个人关联，这直观上防止了经典的再识别攻击。然而，这不足以保护隐私。我们在此提出TAPAS，一个用于在广泛场景下评估合成数据隐私的攻击工具箱。这些攻击包括先前工作的推广和新颖攻击。我们还引入了一个用于推理合成数据隐私威胁的通用框架，并在若干示例上展示了TAPAS。
引用
@article{arxiv.2211.06550,
title = {TAPAS: a Toolbox for Adversarial Privacy Auditing of Synthetic Data},
author = {Florimond Houssiau and James Jordon and Samuel N. Cohen and Owen Daniel and Andrew Elliott and James Geddes and Callum Mole and Camila Rangel-Smith and Lukasz Szpruch},
journal= {arXiv preprint arXiv:2211.06550},
year = {2022}
}
备注
Published at the SyntheticData4ML Neurips workshop