差分隐私生成式对抗网络的框架与方法综述 |
| |
作者姓名: | 牛翠翠 潘正芝 刘海 |
| |
作者单位: | 1. 贵州轻工职业技术学院文化与旅游系;2. 贵州大学计算机科学与技术学院 |
| |
基金项目: | 国家自然科学基金项目(62002081);;中国博士后科学基金项目(2019M663907XB); |
| |
摘 要: | 生成式对抗网络因使用真实样本迭代训练判别器存在隐私泄露风险,为此已有工作基于差分隐私实现生成式对抗网络的隐私保护。因此,很有必要系统地综述目前差分隐私生成式对抗网络的研究成果。首先,概述和分析重复使用差分隐私的累积隐私预算估计方法,以及介绍生成式对抗网络及其常见变式。其次,总结和分析生成式对抗网络的隐私威胁模型及其评价指标。然后,针对存在的隐私攻击模型,归纳和分析差分隐私生成式对抗网络框架,并对比分析其方法与评价指标;同时,概括和分析差分隐私联邦生成式对抗网络框架,并比较分析其方法与评价指标。最后,分析目前工作存在的问题,并对差分隐私生成式对抗网络的未来研究进行展望。
|
关 键 词: | 生成式对抗网络 联邦学习 隐私攻击 差分隐私 评价指标 |
|