统计隐私增强技术有哪些

联合学习

联合学习是一种机器学习技术，它使单个设备或系统能够协同学习共享的预测模型，同时将数据保存在本地。联合学习减少了需存储在集中式服务器或云存储的数据量。

生成式对抗网络（GAN）

生成式对抗网络（GAN, Generative Adversarial Networks，简称“GAN”）生成模拟真实数据集的新合成数据实例。这种方法为分析人员、研究人员和机器学习系统提供了大量高质量的合成数据。

假名化/混淆/数据屏蔽

多种方法可以用来通过将敏感数据与虚构性、分散注意力或误导性的数据相结合，从而替换或隐藏敏感信息，包括假名化、混淆和数据屏蔽等方法。这是企业用来保护用户的敏感数据、遵守隐私法规的一种常见做法。

设备端学习

可以分析用户在设备端的操作来识别模式，无需将个人数据发送到远程服务器。设备端学习可用于使算法更智能化，比如自动更正。

合成数据生成（SDG）

合成数据生成（Synthetic Data Generation，简称“SDG”）是从具有相同统计特征的原始数据集中人工创建的数据。由于SDG数据集可能远大于原始数据集，除了用于人工智能和机器学习外，这项技术还用于测试环境，以减少数据共享和所需的实际数据量。