PulseAugur
中
实时 08:30:53
English(EN) CLOAK: Contrastive Guidance for Latent Diffusion-Based Data Obfuscation

新的CLOAK框架使用潜在扩散模型进行增强数据混淆

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了CLOAK，一个利用潜在扩散模型保护时间序列数据中敏感信息的新数据混淆框架。该方法采用对比学习来解耦表示，能够在不广泛重新训练下游任务的情况下更好地平衡隐私和数据效用。与现有技术相比，CLOAK表现出卓越的性能，提供了更高的隐私性和更低的数据效用损失，使其适用于移动物联网设备等资源受限的环境。 AI

影响 增强了时间序列数据的隐私保护技术，可能促进物联网设备的更广泛应用。

排序理由 该集群包含一篇详细介绍数据混淆新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的CLOAK框架使用潜在扩散模型进行增强数据混淆

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Xin Yang, Omid Ardakanian ·

    CLOAK：基于对比引导的潜在扩散模型数据混淆

    arXiv:2512.12086v2 Announce Type: replace Abstract: Data obfuscation is a promising technique for mitigating attribute inference attacks by semi-trusted parties with access to time-series data emitted by sensors. Recent advances leverage conditional generative models together wit…

相关实体

相关话题