PulseAugur
中
实时 09:17:01
English(EN) SecretFan: Synthesizing Realistic Data without Breaking Privacy

SecretFan 使用引导式搜索生成隐私保护的合成数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为 SecretFan 的新方法，用于生成在不损害隐私的情况下保持原始数据统计特性的合成数据集。与传统的生成对抗网络（GAN）不同，SecretFan 将数据生成视为一个引导式搜索问题，使用模糊器进行生成，并使用判别器进行评估。这种方法旨在生成有用的合成数据，使其能够抵御成员推理等隐私攻击。 AI

影响 提供了一种新颖的合成数据生成方法，有可能提高 AI 模型训练中的隐私保护。

排序理由 该集群包含一篇详细介绍一种新合成数据生成方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Laura Plein, Alexi Turcotte, Arina Hallemans, Andreas Zeller ·

    SecretFan：在不泄露隐私的情况下合成真实数据

    arXiv:2602.05833v2 Announce Type: replace Abstract: There is a need for synthetic training and test datasets that replicate statistical distributions of original datasets without compromising their confidentiality. A lot of research has been done in leveraging Generative Adversar…

相关实体

相关话题