SelPE: Progressive Selection for Private Structured Text Synthesis

在现实数据驱动应用中，许多场景依赖结构化文本记录（如临床分诊笔记、金融交易日志）进行下游学习与决策。然而，在隐私敏感领域（如医疗、金融），对这些记录的访问受到严格监管，通常只能获得少量私有样本用于模型开发与分析。现有的差分隐私数据合成方法面

历史摘要 · 未重新核验 · arXiv cs.CR