Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Synthetic Data Generation and Differential Privacy using Tensor Networks' Matrix Product States (MPS)

Created by
  • Haebom
Category
Empty

저자

Alejandro Moreno R., Desale Fentaw, Samuel Palmer, Raul Salles de Padua, Ninad Dixit, Samuel Mugel, Roman Orus, Manuel Radons, Josef Menter, Ali Abedi

개요

본 논문은 텐서 네트워크, 특히 Matrix Product States (MPS)를 사용하여 개인 정보 보호를 위한 고품질의 합성 테이블 데이터를 생성하는 방법을 제안합니다. MPS 기반 생성 모델을 CTGAN, VAE, PrivBayes와 같은 최첨단 모델과 비교하여 충실도와 개인 정보 보호 능력을 평가합니다. 차등 프라이버시(DP)를 보장하기 위해 훈련 중에 노이즈 주입과 그래디언트 클리핑을 통합하여 Renyi 차등 프라이버시 회계를 통해 개인 정보 보호를 보장합니다. 결과적으로 MPS는 특히 엄격한 개인 정보 보호 제약 조건 하에서 기존 모델보다 우수한 성능을 보입니다.

시사점, 한계점

•
시사점:
◦
MPS는 개인 정보 보호를 위한 합성 데이터 생성에 유망한 도구임을 보여줍니다.
◦
텐서 네트워크 표현의 표현력과 공식적인 개인 정보 보호 메커니즘을 결합합니다.
◦
해석 가능하고 확장 가능한 안전한 데이터 공유 대안을 제공합니다.
◦
데이터 품질과 기밀성이 중요한 민감한 도메인에 통합하기 용이합니다.
•
한계점:
◦
논문 자체에서 명시된 한계점은 제시되지 않았습니다.
👍
Made with Slashpage