<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Data Compression on Formize.com 博客</title><link>https://blog.formize.com/zh/categories/data-compression/</link><description>Recent content in Data Compression on Formize.com 博客</description><generator>Hugo</generator><language>zh</language><atom:link href="https://blog.formize.com/zh/categories/data-compression/index.xml" rel="self" type="application/rss+xml"/><item><title>差分隐私合成数据压缩用于低带宽边缘传输</title><link>https://blog.formize.com/zh/differentially-private-synthetic-data-compression-for-low-ba/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/zh/differentially-private-synthetic-data-compression-for-low-ba/</guid><description>&lt;h1 id="差分隐私合成数据压缩用于低带宽边缘传输">差分隐私合成数据压缩用于低带宽边缘传输&lt;/h1>
&lt;h2 id="引言">引言&lt;/h2>
&lt;p>边缘设备——智能摄像头、可穿戴设备、工业传感器——正日益产生大量需要与中心分析平台共享的数据流。由于带宽受限、功耗限制以及诸如 &lt;a href="https://gdpr.eu/" target="_blank" rel="noreferrer nofollow">GDPR&lt;/a> 和 &lt;a href="https://www.hhs.gov/hipaa/index.html" target="_blank" rel="noreferrer nofollow">HIPAA&lt;/a> 等严格的隐私法规，直接传输原始数据往往不可行。合成数据生成已成为在保护原始个人数据的同时共享有用信息的强大技术。然而，合成数据集可能非常庞大，尤其是当它们需要保留下游 AI 模型所需的高维结构时。&lt;/p>
&lt;p>本文介绍了一条 &lt;strong>隐私保护压缩流水线&lt;/strong>，将 &lt;strong>差分隐私 (DP)&lt;/strong> 与最先进的压缩算法相结合。目标是 &lt;strong>在不牺牲统计效用的前提下&lt;/strong> 大幅降低合成数据的负载大小，以满足边缘 AI 任务的需求。我们将阐述理论基础、实际实现步骤以及性能结果，展示在保持严格隐私保证的同时实现高达 &lt;strong>70 % 的带宽节省&lt;/strong>。&lt;/p>
&lt;h2 id="为什么要将差分隐私与压缩相结合">为什么要将差分隐私与压缩相结合？&lt;/h2>
&lt;table>
 &lt;thead>
 &lt;tr>
 &lt;th>挑战&lt;/th>
 &lt;th>传统方法&lt;/th>
 &lt;th>局限&lt;/th>
 &lt;/tr>
 &lt;/thead>
 &lt;tbody>
 &lt;tr>
 &lt;td>&lt;strong>隐私&lt;/strong>&lt;/td>
 &lt;td>在数据生成后再施加 DP&lt;/td>
 &lt;td>压缩产生的伪影会放大噪声&lt;/td>
 &lt;/tr>
 &lt;tr>
 &lt;td>&lt;strong>带宽&lt;/strong>&lt;/td>
 &lt;td>使用通用编解码器（如 gzip）&lt;/td>
 &lt;td>没有正式的隐私计量&lt;/td>
 &lt;/tr>
 &lt;tr>
 &lt;td>&lt;strong>效用&lt;/strong>&lt;/td>
 &lt;td>保持原始合成数据&lt;/td>
 &lt;td>对边缘设备而言传输成本过高&lt;/td>
 &lt;/tr>
 &lt;/tbody>
&lt;/table>
&lt;p>如果在 &lt;strong>压缩之前&lt;/strong> 添加 DP 噪声，噪声分布可能被压缩失真，从而削弱隐私保证。相反，先压缩再添加 DP 可能通过侧信道模式泄露信息。我们提出的流水线 &lt;strong>交错&lt;/strong> 了 DP 与压缩的步骤，以数学上可靠的方式保持端到端的 &lt;strong>ε‑DP&lt;/strong> 保证。&lt;/p>
&lt;h2 id="核心概念">核心概念&lt;/h2>
&lt;h3 id="差分隐私回顾">差分隐私回顾&lt;/h3>
&lt;p>差分隐私保证数据集中任意单条记录的加入或移除，只会使输出分布的概率变化不超过 &lt;em>e&lt;/em>^ε 的因子。形式化为：&lt;/p>
&lt;pre tabindex="0">&lt;code>Pr[M(D1) ∈ S] ≤ e^ε · Pr[M(D2) ∈ S] + δ
&lt;/code>&lt;/pre>&lt;p>其中 &lt;em>M&lt;/em> 为机制，&lt;em>D1&lt;/em> 与 &lt;em>D2&lt;/em> 只相差一条记录，&lt;em>S&lt;/em> 为任意可测集合，&lt;em>(ε, δ)&lt;/em> 为隐私参数。&lt;/p></description></item></channel></rss>