Jan, 2020
DP-CGAN:差分隐私合成数据和标签生成
DP-CGAN: Differentially Private Synthetic Data and Label Generation
Reihaneh Torkzadehmahani, Peter Kairouz, Benedict Paten
TL;DR通过引入一种新的剪辑和扰动策略,基于 Renyi 差分隐私监管机制,提出了一种差分隐私条件生成式对抗网络(DP-CGAN)训练框架,用于在保持培训数据隐私的同时提高模型性能,实验结果表明 DP-CGAN 可以通过单一的差分隐私 epsilon 参数在 MNIST 数据集上生成视觉和实验上有前途的结果。