Key points are not available for this paper at this time.
تعتبر الشبكات التوليدية التنافسية (GANs) واحدة من النماذج المعروفة لتوليد بيانات اصطناعية تشمل الصور، خاصة للبحث المجتمعي الذي لا يمكنه استخدام مجموعات بيانات حساسة أصلية لأنها غير متاحة للجمهور. واحدة من التحديات الرئيسية في هذا المجال هي الحفاظ على خصوصية الأفراد الذين يشاركون في تدريب نماذج GAN. للتعامل مع هذا التحدي، نقدم إطار تدريب GAN الشرطي الخاص تفاضلياً (DP-CGAN) يعتمد على استراتيجية قص وإزعاج جديدة، والتي تعزز من أداء النموذج مع الحفاظ على خصوصية مجموعة البيانات التدريبية. يقوم DP-CGAN بتوليد كل من البيانات الاصطناعية والعلامات المناسبة، ويستفيد من محاسب الخصوصية التفاضلية Renyi الذي تم تقديمه مؤخراً لتتبع ميزانية الخصوصية المستعملة. تظهر النتائج التجريبية أن DP-CGAN يمكنه توليد نتائج بصرية وإمبريقية واعدة على مجموعة بيانات MNIST مع معلمة إبسيلون ذات الرقم الواحد في الخصوصية التفاضلية.
درس توريك زاده Mahani وآخرون (السبت،) هذا السؤال.