Grasynda

新基准评估用于隐私保护预测的合成时间序列

一项新的基准研究评估了用于生成合成时间序列数据的方法，重点关注它们在训练预测模型同时保护隐私时的有效性。研究发现，虽然没有一种合成方法能够完全替代原始数据进行训练，但基于噪声的匿名化在牺牲性能的情况下提供了最佳的隐私保护。在此特定的隐私保护预测场景下，简单的基于变换的生成器优于深度生成模型。该研究还引入了 Grasynda-P，一种新颖的、以隐私为动机的生成器，在预测准确性和隐私之间实现了具有竞争力的平衡。