blob: ccf400e7a7fdc9f5fdb261f7e6f0cf5413a633f5 (
plain)
1
2
3
4
5
6
7
8
9
10
11
|
Comme au chapitre précédent, la confidentialité des données synthétiques est souvent considéré du point de vue suivant : a partir des données synthétiques, que pouvons nous apprendre des données réels ?
Pour cela la confidentialité différentielle permet une protection très forte, plus forte que d'autre notions de confidentialité comme par exemple la limitation des fuite statistiques\footnote{\textit{Statistical disclosure limitation}}~\cite{abowd2008protective}.
Il existe ainsi des méthodes pour imposer la confidentialité différentielle dans les GAN~\cite{jordon2018pate} et dans les auto encodeurs~\cite{abay2019privacy}.
Ce chapitre est un début de travail sur les liens enter données synthétiques et AIA.
Nous allons déjà étudier la MIA en utilisant des données synthétiques.
Ensuite nous allons regarder l'impacte de l'utilisation des données synthétiques lors de l'entraînement sur le succès de l'AIA.
De manière synthétiques nous apportons des premiers éléments de réponses à la question suivante :
Quel est l'impacte de l'utilisation des données synthétiques, au lieu de données réels, lors de l'entraînement de modèles, sur la confidentialité ?
|
