Exploring The Empirical Privacy Landscape of Synthetic Data

arXiv cs.CR · 19 oct, 06:00

Estudio que compara métodos para entrenar modelos de lenguaje con datos sensibles, evaluando el equilibrio entre capacidad y riesgo de fuga de privacidad. Los autores prueban técnicas como fine-tuning directo, DP-SGD y reescritura consciente de privacidad en registros médicos sintéticos, hallando que la reescritura consciente de privacidad ofrece un mejor balance que otras opciones.