May, 2023

为提高选定度量的效用而后处理私有合成数据

PDF
TL;DR本研究介绍了一种后处理技术，使用有效的随机一阶算法从合成数据中进行重新采样，以过滤不符合选定效用度量标准的样本，提高了合成数据的效用，并保持强大的隐私保护和数据集质量。
synthetic data generationprivate dataprivacy guaranteesutility measuresstochastic first-order algorithm
发现论文，激发创造
  • 合成数据生成的效用理论

    本文从统计学角度建立了公用度理论，旨在基于一般度量量化合成算法的公用度。我们验证了公用度指标的收敛性，并通过实验证实了我们的理论发现，以证明在正确的模型规格下，合成特征分布不一定与原始数据相同。

    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

  • 评估差分隐私合成数据对表格数据的效用和公平性在端到端机器学习流程中

    对比真实数据，研究调查了采用差分隐私合成数据可以替代机器学习流程中的真实数据，并确定了训练和评估机器学习模型的最有效的合成数据生成技术。结果显示，基于边缘分布的合成数据生成器能够获取与真实数据相似的实用性和公平性特征。

    Oct, 2023

  • 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

  • 基于分区的差分隐私合成数据生成

    我们的方法采用基于分区的方法来改善合成数据的质量和可用性，在限定的隐私预算下，我们的方法优于现有方法，因此是私人合成数据共享的首选。

    Oct, 2023

  • 一个基于距离的原创全合成数据生成方法的统计属性和隐私保证

    通过开发多步骤的合成数据生成框架并评估其风险效用模型，成功评估了使用该框架生成的数据的质量，展示了开放 - CESP 倡议的技术和概念的可行性。

    Oct, 2023

  • 具有私密密度估计的差分隐私合成数据

    我们采用差分隐私的框架研究了敏感数据分析的方法，通过将均匀采样步骤替换为私有分布估计器，我们改进了 Boedihardjo 等人工作的算法，并提供了离散和连续分布的计算保证，适用于多种统计任务。

    May, 2024

  • 为纵向队列研究生成合成数据 —— 评估、方法扩展与已发布的数据分析结果再现

    本研究使用最先进的合成数据生成方法并对在营养学领域的特定用例中生成的数据进行深入的质量分析，展示了对合成数据进行仔细分析的必要性，并通过扩展方法，全面分析从训练模型中抽样的效果，从而在所选择的用例中基本复现了重要的真实世界分析结果。

    May, 2023

  • 基准测试差分隐私合成数据生成算法

    本研究对不同差分隐私合成数据生成算法进行了系统基准测试，评估了合成数据的实用性，并确定了表现最佳和最差的算法。

    Dec, 2021

  • 一种用于表格数据的有监督生成优化方法

    合成数据生成已成为金融机构的重要课题，本研究提出了一种新的合成数据生成框架，将监督组件与元学习方法结合，为特定下游任务学习最佳混合分布的已有合成分布。

    Sep, 2023