Neighborhood Watch: Privacy Risks in Seeded Local Combination Synthetic Data
该论文研究了基于局部组合(local combination)方法的合成数据生成技术所导致的隐私泄露风险。合成数据被视为在敏感场景下共享数据的一种有前景的解决方案,但近年来的隐私攻击研究表明,尤其是那些不基于差分隐私等正式隐私框架的合成数据
共收录 3 条相关情报。
← 返回所有主题该论文研究了基于局部组合(local combination)方法的合成数据生成技术所导致的隐私泄露风险。合成数据被视为在敏感场景下共享数据的一种有前景的解决方案,但近年来的隐私攻击研究表明,尤其是那些不基于差分隐私等正式隐私框架的合成数据
本文提出了一种新的差分隐私变体——Ball-DP(球差分隐私),旨在解决传统差分隐私(DP)在防御数据重建攻击时噪声过大的问题。传统DP通过添加噪声来确保任意单条记录替换后的输出不可区分,但这一保证对重建攻击而言过于保守,因为实际攻击者通常
本文是首篇对合成表格数据的重建攻击(即属性推断攻击)进行系统化研究的论文。研究背景是合成数据被广泛宣传为一种隐私保护替代方案,用于发布敏感表格记录,但对其核心对抗威胁——重建攻击(通过合成数据和少量已知准标识符恢复个体隐藏属性值)的研究此前