differentially private synthetic data | BriefGPT

关键词differentially private synthetic data

搜索结果 - 6

ICML在 LLM 时代训练基于私有联邦数据的语言模型
通过使用差分隐私合成数据，我们展示了相比于在设备上使用用户数据进行训练，使用差分隐私合成数据进行训练可以取得更好的模型性能，并且具有更少的通信和计算成本。
PDFa month ago
联合选择：自适应地整合公共信息与私密合成数据
jam-pgm 是一种扩展的自适应测量框架，能够在选择公共数据和私有数据之间进行联合，并将公共数据纳入基于图模型的机制，从而在公共数据分布存在偏差时，能够胜过公共辅助和非公共辅助的合成数据生成机制。
PDF4 months ago
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。
PDF8 months ago
基于基础模型 API 的不同 ially Private 合成数据 1: 图像
利用 API 来生成差分隐私合成数据的方法（DPSDA），不需要模型训练，通过 Private Evolution（PE）框架解决了这个问题，在 synthetic images 取得了很好的效果，同样适用于处理像 Stable Diffu
PDFa year ago
前向传递中差分隐私聚合实现的图像合成
DPFA 是一种有效的隐私保护生成模型，通过前向聚合的方式代替后向加噪来减少信息损失和敏感性，并通过不对称训练方法解决了不当批次大小对合成数据效用的影响。
PDFa year ago
私人合成数据发布的新型高效算法
提出了三种新的算法，用于构建差分隐私合成数据，且算法在最坏情况下具有差分隐私，通过理论分析和实证评估，确保准确性与隐私性。
PDF4 years ago