定义数据质量的维度

这部分内容有帮助吗？

参考文献

Generating High-Fidelity Synthetic Data for Privacy-Preserving Applications, L. Xu, M. Skoularidou, X. Sun, M. van der Schaar, 2019 International Conference on Learning Representations (ICLR) DOI: 10.48550/arXiv.1902.04948 - 本文提出了一种基于GAN的合成数据生成方法，侧重于平衡数据效用与隐私保护。它展示了在同时实现高数据质量和强隐私保障方面的实际困难，体现了FUP权衡。
Benchmarking Synthetic Data Generation Models, Y. Lu, S. Ding, R. Huang, F. Wu, 2022 ACM Transactions on Knowledge Discovery from Data, Vol. 17 DOI: 10.1145/3547271 - 本文系统性地评估了多种合成数据生成模型。它详细介绍了用于统计相似性和机器学习表现的各类评估指标，为比较不同的生成技术提供了方法。
The Algorithmic Foundations of Differential Privacy, Cynthia Dwork, Aaron Roth, 2014 (Now Publishers) - 本书是理解差分隐私的主要资源，差分隐私是一种正式量化和保护数据集隐私的方法。它为隐私保护奠定了理论基础，这对于安全的合成数据生成至关重要。