VT-GAN: Cooperative Tabular Data Synthesis using Vertical Federated Learning

要約

このホワイトペーパーでは、垂直フェデレートラーニング（VFL）の適用を提示して、生成攻撃ネットワーク（GAN）を使用して合成表形式データを生成します。
VFLは、同じ顧客グループのためにばらばらの機能を持っている金融機関など、異なる表形式データホルダーの間で機械学習モデルを訓練するための共同アプローチです。
このペーパーでは、VT-GANフレームワークである垂直フェデレーションの表形状GANを紹介し、VFLを使用して、分布した表形式データのGANをプライバシーに基づいて実装できることを実証します。
GANジェネレーターと識別子モデルの配布に関して設計を選択し、Gan条件付きベクターからのトレーニングデータを再構築できないように、シャッフルテクニックのトレーニングを導入します。
この論文は、（1）VT-GANの実装、（2）VT-GAN生成された合成データの詳細な品質評価、（3）VT-GANフレームワークの全体的なスケーラビリティ検査、（4）セキュリティ分析のセキュリティ分析
さまざまな分布特性を備えたさまざまなデータセットの場合、さまざまなプライバシーのさまざまな設定を伴うメンバーシップ推論攻撃に対するVT-Ganの堅牢性。
我々の結果は、VT-GANが集中GANアルゴリズムによって生成されたものと同等の品質の高忠実度の合成表形式データを一貫して生成できることを示しています。
機械学習ユーティリティの違いは、クライアント間での非常に不均衡なデータ分布または異なる数のクライアントであっても、2.7％という低い場合があります。

要約(オリジナル)

This paper presents the application of Vertical Federated Learning (VFL) to generate synthetic tabular data using Generative Adversarial Networks (GANs). VFL is a collaborative approach to train machine learning models among distinct tabular data holders, such as financial institutions, who possess disjoint features for the same group of customers. In this paper we introduce the VT-GAN framework, Vertical federated Tabular GAN, and demonstrate that VFL can be successfully used to implement GANs for distributed tabular data in privacy-preserving manner, with performance close to centralized GANs that assume shared data. We make design choices with respect to the distribution of GAN generator and discriminator models and introduce a training-with-shuffling technique so that no party can reconstruct training data from the GAN conditional vector. The paper presents (1) an implementation of VT-GAN, (2) a detailed quality evaluation of the VT-GAN-generated synthetic data, (3) an overall scalability examination of VT-GAN framework, (4) a security analysis on VT-GAN’s robustness against Membership Inference Attack with different settings of Differential Privacy, for a range of datasets with diverse distribution characteristics. Our results demonstrate that VT-GAN can consistently generate high-fidelity synthetic tabular data of comparable quality to that generated by a centralized GAN algorithm. The difference in machine learning utility can be as low as 2.7%, even under extremely imbalanced data distributions across clients or with different numbers of clients.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google