ICLRApr, 2019
用户定制的隐私保护数据分布式生成
Distributed generation of privacy preserving data with user customization
Xiao Chen, Thomas Navidi, Stefano Ermon, Ram Rajagopal
TL;DR本文提出利用变分自动编码器生成数据的潜在表示形式并将其与小型生成滤波器相结合,以实现在保护用户隐私的同时提高机器学习模型的效果。通过对 MNIST,UCI-Adult 和 CelebA 等数据集进行实验,结果显示了该方法具有很高的准确性。