差分隐私的生成式神经网络混合模型

研究者提出一种差分隐私技术，用 k 个生成式神经网络的混合来隐私保护地发布生成模型与高维数据集。数据先经差分隐私核 k-means 聚成 k 簇，每簇交给单独的受限玻尔兹曼机或变分自编码器，用差分隐私梯度下降训练。在 MNIST、通话详单和公共交通数据集上的评估显示，该方法生成的合成样本逼真，且能准确计算任意数量的计数查询。