合成数据生成技术研讨会聚焦隐私与机器学习

某中心协助举办合成数据生成研讨会

在2021年5月7日举办的ICLR 2021虚拟会议上，首届合成数据生成研讨会成功举行。合成数据是解决数据稀缺和隐私风险的有效方案：在标注数据有限时，合成数据可扩充训练集以减少过拟合；在隐私保护场景中，数据管理者可共享合成数据而非原始数据，既保护用户隐私又保留数据效用。尽管这两种场景面临质量与公平性等相似技术挑战，但通常被分开研究。本次研讨会旨在深化对两种场景下合成数据生成挑战的理解。

研讨会组织与内容

研讨会由学术界和工业界研究人员联合组织，涵盖隐私、公平性、医疗健康和机器学习鲁棒性等领域。活动包括邀请报告、投稿报告、海报展示和小组讨论，汇聚了多样化的研究者和实践者。

七场邀请报告主题：

1. 机器学习能否革新医疗？合成数据或是答案
2. 图像合成的生成模型
3. 使用生成对抗网络实现差分隐私合成数据生成
4. 金融合成数据的前景
5. 深度生成模型的偏见与泛化
6. 音乐生成的生成建模
7. 生成式AI的伦理考量

七篇重点论文口头报告：

• 合成数据用于模型选择
• GAN集成生成合成训练数据
• 通过张量幻觉实现少样本学习
• 利用公共数据实现实用私有查询发布
• 快速、公平和私密的数据生成
• 通过医学图像生成克服数据共享障碍
• GAN加剧面部数据偏见的隐患

技术应用与研究方向

研讨会聚焦机器学习与隐私保护的交集，涉及生成对抗网络（GANs）、差分隐私技术及数据增强方法。合成数据生成不仅提升模型性能，还在医疗、金融等领域推动数据共享与伦理实践。活动以小组讨论和颁奖仪式结束，强调了跨学科合作的重要性。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
公众号二维码