論文の概要: Generative Adversarial Networks: A Survey Towards Private and Secure
Applications
- arxiv url: http://arxiv.org/abs/2106.03785v1
- Date: Mon, 7 Jun 2021 16:47:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-08 22:01:18.049825
- Title: Generative Adversarial Networks: A Survey Towards Private and Secure
Applications
- Title(参考訳): generative adversarial networks: プライベートおよびセキュアなアプリケーションに対する調査
- Authors: Zhipeng Cai, Zuobin Xiong, Honghui Xu, Peng Wang, Wei Li, Yi Pan
- Abstract要約: Generative Adversarial Networks (GAN) はコンピュータビジョンや自然言語処理などの様々な応用を推進してきた。
GANは、データ生成ベースのタスクに優れたパフォーマンスを提供するだけでなく、プライバシとセキュリティ指向の研究のための受精を促進する。
- 参考スコア(独自算出の注目度): 11.810895820428515
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative Adversarial Networks (GAN) have promoted a variety of applications
in computer vision, natural language processing, etc. due to its generative
model's compelling ability to generate realistic examples plausibly drawn from
an existing distribution of samples. GAN not only provides impressive
performance on data generation-based tasks but also stimulates fertilization
for privacy and security oriented research because of its game theoretic
optimization strategy. Unfortunately, there are no comprehensive surveys on GAN
in privacy and security, which motivates this survey paper to summarize those
state-of-the-art works systematically. The existing works are classified into
proper categories based on privacy and security functions, and this survey
paper conducts a comprehensive analysis of their advantages and drawbacks.
Considering that GAN in privacy and security is still at a very initial stage
and has imposed unique challenges that are yet to be well addressed, this paper
also sheds light on some potential privacy and security applications with GAN
and elaborates on some future research directions.
- Abstract(参考訳): Generative Adversarial Networks (GAN) はコンピュータビジョンや自然言語処理などの様々な応用を推進してきた。
既存のサンプル分布から 引き出された 現実的な例を 生成できるという 説得力があるからです
GANは、データ生成ベースのタスクで素晴らしいパフォーマンスを提供するだけでなく、ゲーム理論最適化戦略のために、プライバシとセキュリティ指向の研究の肥大化を促進する。
残念ながら、プライバシとセキュリティに関するganに関する包括的な調査は存在しません。
既存の著作物は,プライバシとセキュリティ機能に基づく適切なカテゴリに分類され,そのメリットと欠点を総合的に分析する。
プライバシとセキュリティのGANは、まだごく初期段階にあり、未解決のユニークな課題を課していることから、GANによる潜在的なプライバシとセキュリティアプリケーションにも光を当て、今後の研究方向性について詳しく述べる。
関連論文リスト
- SoK: Can Trajectory Generation Combine Privacy and Utility? [28.845275761013138]
本稿では,プライバシ保護トラジェクトリ・パブリッシング・アプローチを設計するためのフレームワークを提案する。
本稿では,提案フレームワークの文脈におけるトラジェクトリの最先端生成モデルの体系化に焦点をあてる。
論文 参考訳(メタデータ) (2024-03-12T00:25:14Z) - A Survey of Graph Neural Networks in Real world: Imbalance, Noise,
Privacy and OOD Challenges [75.37448213291668]
本稿では,既存のグラフニューラルネットワーク(GNN)を体系的にレビューする。
まず、既存のGNNが直面している4つの重要な課題を強調し、現実のGNNモデルを探究する道を開く。
論文 参考訳(メタデータ) (2024-03-07T13:10:37Z) - The Good and The Bad: Exploring Privacy Issues in Retrieval-Augmented
Generation (RAG) [56.67603627046346]
Retrieval-augmented Generation (RAG)は、プロプライエタリおよびプライベートデータによる言語モデルを容易にする強力な技術である。
本研究では,プライベート検索データベースの漏洩に対するRAGシステムの脆弱性を実証する,新たな攻撃手法による実証的研究を行う。
論文 参考訳(メタデータ) (2024-02-23T18:35:15Z) - Prioritizing Safeguarding Over Autonomy: Risks of LLM Agents for Science [67.38554763406098]
大規模言語モデル(LLM)を利用したインテリジェントエージェントは、自律的な実験を行い、様々な分野にわたる科学的発見を促進する上で、大きな可能性を証明している。
彼らの能力は有望だが、安全を慎重に考慮する必要がある新たな脆弱性も導入している。
本稿では,科学領域におけるLSMをベースとしたエージェントの脆弱性の徹底的な調査を行い,その誤用に伴う潜在的なリスクに光を当て,安全性対策の必要性を強調した。
論文 参考訳(メタデータ) (2024-02-06T18:54:07Z) - A self-attention-based differentially private tabular GAN with high data
utility [23.99149917513586]
本稿では,DP-SACTGANについて述べる。
実験の結果,DP-SACTGANは元のデータの分布を正確にモデル化し,差分プライバシーの要件を効果的に満たしていることがわかった。
論文 参考訳(メタデータ) (2023-12-20T13:55:56Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳(メタデータ) (2023-09-27T14:38:16Z) - A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and
Applications [76.88662943995641]
グラフニューラルネットワーク(GNN)は、グラフ構造化データを扱う能力のため、大きな注目を集めている。
この問題に対処するため、研究者らはプライバシー保護のGNNの開発を開始した。
この進歩にもかかわらず、攻撃の包括的概要と、グラフドメインのプライバシを保存するためのテクニックが欠如している。
論文 参考訳(メタデータ) (2023-08-31T00:31:08Z) - Generative Adversarial Networks for Malware Detection: a Survey [2.179313476241343]
本稿では,マルウェア問題領域におけるジェネレーティブ・アドバイサル・ネットワークの利用に関する現在の研究と文献について調査する。
本報告では, 関連調査, GAN のカテゴリ別, トピック別に GAN を最適化する最近の研究成果について紹介する。
論文 参考訳(メタデータ) (2023-02-16T20:07:19Z) - Private Set Generation with Discriminative Information [63.851085173614]
異なるプライベートなデータ生成は、データプライバシの課題に対する有望な解決策である。
既存のプライベートな生成モデルは、合成サンプルの有用性に苦慮している。
我々は,最先端アプローチのサンプルユーティリティを大幅に改善する,シンプルで効果的な手法を提案する。
論文 参考訳(メタデータ) (2022-11-07T10:02:55Z) - A review of Generative Adversarial Networks for Electronic Health
Records: applications, evaluation measures and data sources [8.319639237899155]
Generative Adversarial Networks (GANs) は、基礎となるデータ分布を学習することで、合成EHRデータを生成する大きな可能性を示している。
本研究は,GANs for EHRの様々な応用における主要な展開を概観することを目的としており,提案手法の概要を提供する。
我々は、EHR開発におけるGANの課題について議論し、推奨プラクティスを提案することで締めくくります。
論文 参考訳(メタデータ) (2022-03-14T11:56:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。