MMMay, 2023

k - 匿名和合成数据技术对能量成本和机器学习准确性的影响

PDF
TL;DR本文研究了 k - 匿名、合成数据等隐私增强技术对机器学习模型能耗和准确性的影响，结果表明应用 k - 匿名到数据集可以降低能耗并保持准确度，而使用合成数据则可以保持能耗不变，但准确性可能会有所下降。
gdprgreen dealprivacy-enhancing techniquesmachine learning modelsenergy consumption
发现论文，激发创造
  • 合成数据 -- 匿名化之地普通日

    评估了现有生成模型绘制的合成数据的隐私保护优势，发现与传统的匿名化技术相比，其提供的隐私保护水平无法预测且数据效用低下，并不存在更好的隐私保护与数据效用均衡的解决方案。

    Nov, 2020

  • 对抗机器学习赋能的 OpenWiFi 数据匿名化

    通过匿名化实现数据隐私和保护是数据拥有者在将数据转发至其他可能用途之前需要解决的关键问题。本文提出了使用 CTGAN 生成的合成数据作为真实数据的替代品，以解决 OpenWiFi 网络中泄露和信息丢失的问题，并通过聚类算法的相似性评估以及无监督聚类验证指标的比较，表明 K-means 算法在合成数据与真实数据的相似性评估上表现出色。因此，实验结果展示了使用 CTGAN 生成的合成数据作为匿名化数据替代品的可行性。

    Jan, 2024

  • 隐私保护的合成教育数据生成

    本文提出了一种保护参与者隐私的教育数据生成模型和比较合成数据生成器的评估框架，阐述了 Naive 假名化可能导致的再识别威胁，并提出了保证隐私的技术。作者还在现有的大规模教育开放数据集上进行了评估。

    Jul, 2022

  • 隐私保护机器学习的合成数据集生成

    提出一种从原始数据集生成安全合成数据集的方法，基于预训练的深度神经网络（DNN）的批量归一化（BN）层统计信息和随机噪声进行优化来匹配原始数据的层次统计分布。该方法可以用于从头开始训练神经网络来产生合理的分类性能。

    Oct, 2022

  • 使用合成数据训练 AI 模型：可持续发展的机遇与风险

    研究了合成数据的政策，包括创建、利用和传播。必须在保护隐私和数据的可用性之间找到平衡，并制定标准化准则来应对合成数据的挑战。

    Aug, 2023

  • 应用不同技术的机器学习模型对匿名数据的比较

    通过使用基于值通用化层次结构的匿名化技术来模糊准标识符，广泛用于实现预设的隐私级别。本文研究了四种经典的机器学习方法，以分类为目的，分析了应用匿名化技术和为每个方法选择的参数的结果。使用广为人知的成年人数据集，在变化的 K 值、L - 多样性、T - 接近度和 delta 披露隐私方面部署这些模型的性能得到了研究。

    May, 2023

  • 测量用于竞赛的合成数据的质量

    通过研究算法相对性能，本文讨论如何生成保护数据隐私的合成数据，以解决共享数据所带来的隐私问题。

    Jun, 2018

  • 近似、适应、匿名（3A）：用于机器学习隐私保护训练数据发布的框架

    本文提出了一种数据发布框架 ——3A (Approximate, Adapt, Anonymize)，它能够最大化机器学习的数据效用，同时保持差分隐私与高效性。

    Jul, 2023

  • 去识别并不总是足够

    通过对真实临床记录进行去识别并生成合成临床记录，我们发现合成数据表现出与真实数据相似的隐私问题，从而引发了合成临床记录是否可以成为敏感真实记录更好替代品的进一步研究的问题。

    Jan, 2024

  • 隐私保护的可扩展性：学习分析中全面综合的合成表格数据生成与评估

    我们提出了一种综合评估合成数据的方法，该方法包括合成数据质量的三个维度：相似性、实用性和隐私性。通过将这种评估应用于三个不同的学习分析数据集以及三种不同的合成数据生成方法，我们的结果表明合成数据可以在保护隐私的同时保持与真实数据相似的实用性。此外，针对不同学习分析场景中不同的隐私和数据实用性需求，我们提出了定制的合成数据生成建议。该论文不仅提供了合成数据的综合评估，还说明了在学习分析领域中缓解隐私问题的潜力，从而促进了合成数据在学习分析中的更广泛应用，推动了开放科学的良好实践。

    Jan, 2024