Curating Naturally Adversarial Datasets for Learning-Enabled Medical Cyber-Physical Systems
University of Pennsylvania(宾夕法尼亚大学);University of Florida(佛罗里达大学);Vanderbilt University(范德堡大学)
针对现有合成对抗样本无法反映真实医疗场景、鲁棒性验证失效的问题,提出基于弱监督概率标签的自然对抗数据集构建方法,经多案例验证有效。
2023-11-07 cs.AI cs.LG
TabularARGN: A Flexible and Efficient Auto-Regressive Framework for Generating High-Fidelity Synthetic Data
MOSTLY AI
本文提出TabularARGN自回归生成框架,通过训练所有条件概率支持公平性生成、缺失填补和任意列条件生成,在保证高合成质量的同时显著降低训练与推理时间。
2025-02-06 cs.LG
Generating Synthetic Ground Truth Distributions for Multi-step Trajectory Prediction using Probabilistic Composite Bézier Curves
Fraunhofer IOSB(弗劳恩霍夫应用信息处理研究所);Fraunhofer Center for Machine Learning(弗劳恩霍夫机器学习中心)
针对基准数据集缺乏真实轨迹分布、难以使用 Wasserstein 距离等指标评估概率预测模型的问题,提出基于复合概率 Bézier 曲线生成完整轨迹概率分布的方法,并示范模型评估。
2024-04-05 cs.LG
Wasserstein Generative Adversarial Networks for Online Test Generation for Cyber Physical Systems
Åbo Akademi University(奥博学术大学)
提出了一种基于Wasserstein生成对抗网络的在线测试生成算法WOGAN。WOGAN是一个通用的黑盒测试生成器,适用于任何具有用于确定失败测试的适应度函数的被测系统。作为概念证明,我们通过生成道路来评估WOGAN,使得汽车的车道辅助系统不能停留在指定车道上。我们发现,我们的算法具有竞争力的性能方面,以前公布的算法。
2022-05-23 cs.LG cs.SE
Poisoning Attacks on Cyber Attack Detectors for Industrial Control Systems
Ben-Gurion University of the Negev(内盖夫本-古里安大学);University of Cagliari(卡利亚里大学)
最近,已经提出了基于神经网络(NN)的方法,包括自动编码器,用于检测针对工业控制系统(ICS)的网络攻击。这种检测器通常使用在系统操作期间收集的数据来重新训练,以应对自然演变(即,概念漂移)。然而,通过利用这种机制,攻击者可以在训练时伪造由损坏的传感器提供的信号,并毒化检测器的学习过程,使得网络攻击在测试时未被检测到。通过这项研究,我们首次在ICS网络攻击在线NN检测器上展示了这种中毒攻击。我们提出了两种不同的攻击算法,即插值和反向梯度中毒,并证明其有效性的合成和真实世界的ICS数据。我们还讨论和分析了一些潜在的缓解策略。
2020-12-23 cs.CR cs.LG
Deception for Cyber Defence: Challenges and Opportunities
Data61, CSIRO Australia(澳大利亚联邦科学与工业研究组织Data61);Cyber Security Cooperative Research Centre Australia(澳大利亚网络安全合作研究中心);Penten Pty Ltd(Penten私人有限公司);UNSW Sydney(悉尼新南威尔士大学)
欺骗作为网络防御的重要工具正在迅速发展,补充了现有的外围安全措施,以快速检测漏洞和数据盗窃。限制使用欺骗的因素之一是手工制作逼真的人工制品的成本。然而,机器学习的最新进展为可扩展的、自动生成逼真的欺骗创造了机会。这篇愿景论文描述了在开发模型以模拟IT堆栈的许多常见元素以实现欺骗效果时所涉及的机遇和挑战。
2022-08-15 cs.CR cs.LG
DECAF: Generating Fair Synthetic Data Using Causally-Aware Generative Networks
University of Cambridge(剑桥大学);University of California, Los Angeles(加利福尼亚大学洛杉矶分校);The Alan Turing Institute(艾伦图灵研究所)
机器学习模型因在训练数据中反映不公平的偏见而受到批评。我们不是通过直接引入公平学习算法来解决这个问题,而是专注于生成公平的合成数据,这样任何下游学习器都是公平的。从不公平的数据生成公平的合成数据-同时保持对底层数据生成过程(DGP)的真实性-是不平凡的。在本文中,我们介绍了DECAF:一个基于GAN的公平合成数据生成器的表格数据。使用DECAF,我们将DGP显式地嵌入生成器的输入层中作为结构因果模型,允许每个变量以其因果父变量为条件进行重建。这个过程使推理时间去偏置,其中偏置的边缘可以被策略性地移除,以满足用户定义的公平性要求。DECAF框架是通用的,与几种流行的公平性定义兼容。在我们的实验中,我们表明,DECAF成功地消除了不必要的偏见,并与现有的方法相比,能够生成高质量的合成数据。此外,我们提供了理论保证的发电机的收敛性和下游模型的公平性。
2021-11-04 cs.LG stat.ML
ACE -- An Anomaly Contribution Explainer for Cyber-Security Applications
Purdue University(普渡大学);Micro Focus(微焦点)
在本文中,我们介绍了异常贡献解释器或ACE,一个工具来解释安全异常检测模型的模型功能,通过回归框架,及其变体,ACE-KL,突出了重要的异常贡献者。ACE和ACE-KL通过构建专门的线性模型来局部近似黑盒模型生成的异常分数,从而在诊断哪些属性对异常有显著影响方面提供见解。我们使用这些异常检测模型进行了实验,以检测合成数据和真实数据上的安全异常。特别是,我们评估了三个公共数据集的性能:CERT内部威胁,netflow日志和Android恶意软件。实验结果是令人鼓舞的:我们的方法始终确定正确的贡献功能的合成数据,其中地面真相是可用的;同样,对于真实的数据集,我们的方法点的方向的安全分析师异常的根本原因,包括在一种情况下,导致发现以前被忽视的网络扫描活动。我们已经公开了我们的源代码。
2020-02-29 cs.CR cs.LG stat.ML
Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems
The University of Alabama(阿拉巴马大学)
在连接的运输系统中,自适应交通信号控制器(ATSC)利用通过无线连接从车辆接收的实时车辆轨迹数据(即,连接的车辆)来调节绿灯时间。然而,这种无线连接的ATSC增加了网络攻击面,并增加了它们对各种网络攻击模式的脆弱性,这些网络攻击模式可以被利用来引起道路网络中的严重拥堵。攻击者可能会获得经济利益,从而为特定道路造成这种拥堵。其中一种模式是“sybil”攻击,攻击者通过生成模仿实际联网车辆遵守道路交通规则的虚假基本安全消息(BSM),在网络中创建虚假车辆。攻击者的最终目标将是通过以使得信号定时和相位变化发生而不标记车辆数量的任何突然变化的速率生成假车辆或“sybil”车辆来阻断路线。由于车辆到达率和ATSC算法的高度非线性和不可预测性,很难找到一个最佳的速度sybil车辆,这将是从不同的方法注入一个交叉口。因此,有必要开发一个智能网络攻击模型来证明这种攻击的存在。在这项研究中,一个基于强化学习的网络攻击模型开发的等待时间为基础的ATSC。具体而言,RL代理被训练以学习sybil车辆注入的最佳速率,从而为一个或多个方法造成拥堵。我们的分析表明,RL代理可以学习创建智能攻击的最佳策略。
2022-10-31 cs.AI cs.CR cs.LG
BLADERUNNER: Rapid Countermeasure for Synthetic (AI-Generated) StyleGAN Faces
MIT Lincoln Laboratory(麻省理工学院林肯实验室)
StyleGAN是由NVIDIA开发的开源TensorFlow实现。它彻底改变了高质量的面部图像生成。然而,这种人工智能/机器学习(AI/ML)算法的民主化使敌对的威胁行为者能够在社交媒体平台上建立网络角色或傀儡账户。这些超逼真的合成面孔。本报告调查了AI/ML与网络和信息运营的相关性。AI/ML算法的激增导致了DeepFakes和不真实社交媒体账户的增加。在战略和运营环境中分析威胁。现有的识别合成人脸的方法是存在的,但它们依赖于人类在视觉上仔细检查每张照片的不一致性。然而,通过使用DLIB 68-landmark预训练文件,可以通过利用StyleGAN图像中的重复行为来分析和检测合成人脸。Project Blade Runner包含两个对付StyleGAN镜像所需的脚本。通过PapersPlease作为分析器,可以从抓取的图像样本中获得攻击指标(IOA)。这些IOA可以反馈到充当检测器的AmongUs中,以从实时操作样本中识别合成人脸。Blade Runner的开源版本可能缺乏额外的单元测试和一些功能,但开源版本是一个编辑版本,更精简,更优化,并且是信息安全社区的概念验证。理想的最终状态将是逐步增加自动化,以保持与其封闭源代码的前身相当。
2022-10-28 cs.CR cs.LG
Generating synthetic transactional profiles
National Bank of Canada(加拿大国家银行)
金融机构在许多银行应用程序中使用客户的支付交易。交易是非常个人化的,有着丰富的行为模式,往往是个人独有的,这使得它们在某些情况下相当于个人身份信息。在本文中,我们使用机器学习技术来生成合成的事务配置文件,其目标是同时保护数据效用和隐私。我们面临的一个挑战是处理稀疏向量,因为与所有可用的支出类别相比,客户使用的支出类别很少。我们通过计算银行业在原始数据集和合成数据集上使用的常见见解来衡量数据效用。我们的方法表明,神经网络模型可以在这种情况下生成有价值的合成数据。最后,我们尝试了隐私保护技术并观察了其对模型性能的影响。
2022-01-14 cs.AI cs.LG
UserBoost: Generating User-specific Synthetic Data for Faster Enrolment into Behavioural Biometric Systems
King’s College London(伦敦国王学院);University of Oxford(牛津大学)
针对行为生物识别系统用户注册负担重的问题,提出UserBoost方法,用正则化自编码器生成用户特定合成手势数据,结合真实数据训练认证模型,可使类WatchAuth系统注册手势数减少超40%且不升高错误率。
2024-07-12 cs.CR cs.LG
SynGAN: Towards Generating Synthetic Network Attacks using GANs
University of Luxembourg(卢森堡大学);Palindrome Technologies(回文技术公司);Columbia University(哥伦比亚大学)
没有安全考虑的快速数字化转型导致了全球规模的网络攻击的兴起。防御这些攻击的第一道防线是网络入侵检测系统(NIDS)。然而,一旦部署,这些系统就像黑匣子一样工作,误报率很高,没有可衡量的有效性。需要通过模拟现实世界的网络攻击突变来不断测试和改进这些系统。我们提出了SynGAN,一个使用生成对抗网络(GAN)生成对抗网络攻击的框架。SynGAN利用真实的攻击流量生成恶意数据包流突变,可以提高NIDS攻击检测率。作为第一步,我们比较了两个公共数据集,NSL-KDD和CICIDS 2017,用于生成合成的分布式拒绝服务(DDoS)网络攻击。我们使用梯度提升分类器评估攻击质量(真实与合成)。
2019-08-26 cs.LG stat.ML
Generating Accurate Synthetic Survival Data by Conditioning on Outcomes
King Abdullah University of Science and Technology (KAUST)(卡斯特大学);Duke University(杜克大学)
本文提出一种通过结果条件生成协变量的方法,以生成准确的合成生存数据,解决删失挑战,并在真实数据集上优于基线,提升下游模型性能。
2025-08-05 cs.LG stat.ML
Synthetically Generating Human-like Data for Sequential Decision Making Tasks via Reward-Shaped Imitation Learning
Naval Research Laboratory(海军研究实验室);University of Wisconsin-Whitewater(威斯康星大学怀特沃特分校)
本文提出一种结合奖励塑形与模仿学习的算法,仅用少量人类决策数据即可合成类人决策数据,并在三个序列决策任务中验证其可几乎无差别替代人类数据。
2023-04-14 cs.AI cs.LG
SurvDiff: A Diffusion Model for Generating Synthetic Data in Survival Analysis
LMU Munich(慕尼黑大学);Munich Center for Machine Learning (MCML)(慕尼黑机器学习中心)
SurvDiff是一种专为生存分析设计的端到端扩散模型,通过联合生成协变量、事件时间和删失机制,提升合成数据的分布忠实度和生存模型评估性能。
2026-07-27 cs.AI cs.LG
Generating Synthetic Free-text Medical Records with Low Re-identification Risk using Masked Language Modeling
University of Cambridge(剑桥大学);The University of Manchester(曼彻斯特大学);Tsinghua University(清华大学)
针对医疗记录隐私限制与合成数据多样性难以兼顾的问题,提出基于掩码语言建模的合成系统,在保留关键医疗信息、最小化重标识风险(3.5%)与推理成本的同时,生成高质量数据,且下游性能媲美真实数据。
2025-01-29 cs.CL cs.LG
Generative Correlation Manifolds: Generating Synthetic Data with Preserved Higher-Order Correlations
Eindhoven University of Technology(埃因霍温理工大学)
本文提出生成式相关流形(GCM)方法,通过Cholesky分解保留数据完整相关结构,实现计算高效的合成数据生成,适用于隐私保护、稳健训练与模拟。
2025-10-24 cs.AI cs.LG
CorGAN: Correlation-Capturing Convolutional Generative Adversarial Networks for Generating Synthetic Healthcare Records
Virginia Polytechnic Institute and State University (Virginia Tech)(弗吉尼亚理工学院暨州立大学(弗吉尼亚理工))
深度学习模型在图像分类和语音处理等领域表现出高质量的性能。然而,使用电子健康记录(EHR)数据创建深度学习模型需要解决该领域研究人员特有的特定隐私挑战。这件事的重点是在确保隐私的同时生成现实的合成数据。在本文中,我们提出了一种新的框架,称为相关捕获生成对抗网络(CorGAN),生成合成的医疗记录。在CorGAN中,我们利用卷积神经网络通过结合卷积生成对抗网络和卷积自动编码器来捕获数据表示空间中相邻医学特征之间的相关性。为了证明模型的保真度,我们展示了CorGAN在各种机器学习设置(如分类和预测)中生成的合成数据与真实数据的性能相似。我们还对合成数据的现实特征进行了隐私评估和统计分析。这项工作的软件是开源的,可在https://github.com/astorfi/cor-gan上获得。
2020-03-04 cs.LG stat.ML
Fair4Free: Generating High-fidelity Fair Synthetic Samples using Data Free Distillation
Linköping University(林雪平大学)
针对私有或不可访问数据场景,本文提出 Fair4Free,通过教师模型学习公平表示并无数据蒸馏到小型学生模型来生成公平合成样本,在公平性、效用和合成质量上均超越现有方法。
2024-10-02 cs.AI cs.LG
I-nteract 2.0: A Cyber-Physical System to Design 3D Models using Mixed Reality Technologies and Deep Learning for Additive Manufacturing
University College Dublin(都柏林大学学院);CentraleSupélec(中央理工-高等电力学院);Imperial College London(伦敦帝国理工学院)
I-interact是一个网络物理系统,通过利用混合现实技术,实现与虚拟和真实工件的实时交互,为增材制造设计3D模型。本文介绍了新的进展,在开发的互动平台I-interact生成的三维模型,同时使用建设性的立体几何和人工智能。该系统还使用户能够相对于其物理工作空间调整3D模型的尺寸。通过生成家具的3D模型(例如,椅子和桌子),并将它们装配到混合现实环境中的物理空间中。
2020-10-21 cs.AI cs.HC cs.LG
Between Generating Noise and Generating Images: Noise in the Correct Frequency Improves the Quality of Synthetic Histopathology Images for Digital Pathology
Technion - IIT(以色列理工学院);Rambam Health Care Campus(兰巴姆医疗中心)
人工智能和机器学习技术有望彻底改变数字病理学领域。然而,这些模型需要大量的数据,而无偏训练数据的可用性是有限的。合成图像可以增强现有的数据集,以改进和验证AI算法。然而,控制细胞特征在其中的精确分布仍然具有挑战性。其中一个解决方案是利用条件生成对抗网络,该网络将语义掩码作为输入,而不是随机噪声。与其他领域不同,勾勒出组织的确切细胞结构是困难的,大多数输入掩码都描绘了细胞类型的区域。然而,使用基于网格的掩模会在合成图像中引入固有的伪影-这是由于多边形大小和单个单元大小之间的不匹配。在这项工作中,我们表明,引入随机单像素噪声与适当的空间频率到多边形语义掩模可以显着提高合成图像的质量。我们使用我们的平台来生成化学治疗肺活检的合成图像。我们使用三重验证程序测试图像的质量。首先,我们表明,添加适当的噪声频率产生87%的相似性度量的改善,通过添加实际的单细胞功能。其次,我们证明了合成图像通过图灵测试。最后,我们表明,将这些合成图像添加到训练集可以提高PD-L1语义分割性能方面的AI性能。我们的工作提出了一种简单而强大的方法,用于按需生成合成数据,以消除有限数据集的偏差,从而提高算法的准确性并验证其鲁棒性。
2023-02-13 cs.CV cs.LG eess.IV
GlucoSynth: Generating Differentially-Private Synthetic Glucose Traces
University of Virginia(弗吉尼亚大学);Dexcom(德康公司)
本文提出隐私保护 GAN 框架 GlucoSynth,通过保持葡萄糖事件基序间关系并结合差分隐私机制,在 120 万条轨迹上验证其生成高质量合成葡萄糖轨迹的能力优于已有方法。
2023-10-31 cs.CR cs.LG
Generating Realistic Synthetic Relational Data through Graph Variational Autoencoders
Aindo;University of Trieste(的里雅斯特大学);Katholieke Universiteit Leuven(鲁汶大学);Business Integration Partners (BIP)(商业集成伙伴公司(BIP));Chaucer(乔叟公司)
合成数据生成作为传统数据匿名化的更可靠的替代方案最近获得了广泛的关注。所涉及的方法最初是为图像合成而开发的。因此,它们在医疗保健、金融和其他行业的典型表格和关系数据集上的应用是非常重要的。虽然大量的研究已经致力于现实的表格数据集的生成,合成关系数据库的研究仍处于起步阶段。在本文中,我们结合变分自编码器框架与图神经网络来生成真实的合成关系数据库。然后,我们将得到的方法应用到两个公开的数据库中的计算实验。结果表明,真实数据库的结构准确地保留在合成数据集,即使是大型数据集与先进的数据类型。
2022-11-30 cs.AI cs.LG
BIGBOY1.2: Generating Realistic Synthetic Data for Disease Outbreak Modelling and Analytics
Department of Mathematical Sciences, Indian Institute of Science Education and Research, Mohali(数学科学系,印度科学教育与研究学院,莫哈利)
本文提出开源合成数据集生成器BIGBOY1.2,通过支持SEIR等仓室逻辑、自定义季节性和噪声注入生成可配置的流行病时间序列,解决了疾病暴发建模中数据不完整和缺乏标准化数据集的问题,为比较传统流行病学模型与现代机器学习方法提供了基准。
2025-08-10 cs.LG q-bio.PE
Knowledge mining of unstructured information: application to cyber-domain
Aalto University School of Science(阿尔托大学理学院);University of Jyväskylä(于韦斯屈莱大学);Cyberwatch Finland Oy(芬兰Cyberwatch公司);The Alan Turing Institute(艾伦·图灵研究所)
有关网络犯罪、事件和冲突的信息在许多开放的在线来源中大量存在。然而,处理大量数据流对分析人员和专家来说是一项具有挑战性的任务,需要更新的方法和技术。在这篇文章中,我们提出并实现了一种新的知识图谱和知识挖掘框架,用于从自由形式的文本中提取有关网络领域事件的相关信息。该框架包括基于机器学习的管道,用于生成具有非技术网络本体的组织、国家、行业、产品和攻击者的图。利用提取的知识图谱来估计给定图配置上的网络攻击的发生率。我们使用公开的真实网络事件报告集合来测试我们方法的有效性。知识提取被认为是足够准确的,基于图形的威胁估计表明与攻击的实际记录的相关性。在实际使用中,利用所提出的框架的分析师可以从当前的网络景观中推断出更多的信息,包括对各种实体的风险以及行业和国家之间的风险启发式传播。
2022-08-01 cs.CL cs.CR cs.IR
On the Veracity of Cyber Intrusion Alerts Synthesized by Generative Adversarial Networks
Rochester Institute of Technology(罗切斯特理工学院)
由于功能之间的复杂交互、警报的非同质性以及罕见但关键的样本的可能性,重建具有高度保真度的网络攻击警报数据具有挑战性。生成对抗网络(GANs)已被证明可以有效地学习复杂的数据分布,以创建越来越真实的数据。本文介绍了GANs在网络攻击警报数据中的应用,并表明GANs不仅成功地学习生成真实的警报,而且还揭示了警报中的特征依赖关系。这是通过审查地面实况和生成的数据集之间的不同警报特征组合的直方图的交集来实现的。传统的统计度量,如条件熵和联合熵,也被用来验证这些依赖关系的准确性。最后,它表明,互信息约束的网络可以用来增加低概率,关键,警报值的产生。通过将警报映射到一组攻击阶段,表明这些低概率警报的输出对于网络安全分析师具有直接的上下文意义。总的来说,这项工作为生成新的网络入侵警报提供了基础,并提供了合成警报模拟源数据集的关键依赖关系的证据。
2019-08-03 cs.CR cs.LG stat.ML
Generating Synthetic Multispectral Satellite Imagery from Sentinel-2
Radiant Earth Foundation(Radiant Earth基金会);Benson Hill(Benson Hill公司);Sunbird AI(Sunbird AI公司)
多谱段卫星图像为许多环境和社会经济应用提供了全球范围的宝贵数据。然而,基于这些图像构建监督机器学习模型可能需要在全球范围内不可用的地面参考标签。在这里,我们提出了一个生成模型,以产生多分辨率多光谱图像的基础上哨兵-2数据。由此产生的合成图像与人类的真实图像无法区分。该技术为未来的工作铺平了道路,以产生标记的合成图像,可用于数据增强在数据稀缺的地区和应用。
2020-12-05 cs.CV cs.LG eess.IV
Generating Synthetic but Plausible Healthcare Record Datasets
ESCI-UPF
对于ML的医疗保健应用以及许多其他科学和工程领域来说,生成“看起来像”给定真实数据的数据集是一项有趣的任务。在本文中,我们提出了一种新的方法,一般应用到二进制数据集的基础上学习的潜变量矩,我们以前用于聚类患者数据集的参数的方法。我们将我们的方法与最近提出的基于生成对抗方法的建议(MedGan)进行了比较,发现我们生成的合成数据集至少在两个意义上更加真实:真实和合成实例更难通过随机森林和MMD统计来区分。最可能的解释是,我们的方法不会遭受“模式崩溃”,这是一个公认的问题,GANs。此外,我们生成的生成模型很容易解释,不像相当模糊的GANs。我们的实验是在两个包含ICD-9诊断代码的患者数据集上进行的:公开可用的MIMIC-III数据集和一个包含7年来在巴塞罗那圣保罗医院因充血性心力衰竭入院的数据集。
2018-07-04 cs.LG stat.ML
Generating Synthetic Net Load Data with Physics-informed Diffusion Model
本文提出一种物理信息扩散模型,通过将物理模型嵌入去噪网络联合训练参数,用于生成合成净负荷数据。基于真实数据验证,该方法在所有定量指标上均优于现有生成模型,性能提升至少20%。
2024-06-04 cs.AI cs.LG
Generating Spatial Synthetic Populations Using Wasserstein Generative Adversarial Network: A Case Study with EU-SILC Data for Helsinki and Thessaloniki
NORCE Norwegian Research Center AS(挪威NORCE研究中心);Centre for Modelling Social Systems(社会系统建模中心)
本研究利用 Wasserstein 生成对抗网络结合 EU-SILC 数据,为赫尔辛基和塞萨洛尼基生成空间合成人口,发现平衡数据与边缘特征表征不足是当前深度生成方法面临的主要挑战,可能导致模拟歧视。
2025-01-27 cs.LG cs.MA
Generating Synthetic Relational Tabular Data via Structural Causal Models
CONTACT Software GmbH(CONTACT软件公司)
本文提出基于结构因果模型的新框架,用于生成包含跨表因果关系和复杂依赖关系的合成关系型表格数据,并通过实验验证其能够模拟真实场景,弥补现有方法仅针对单表数据的不足。
2025-07-04 cs.AI cs.LG stat.AP
Toward Generating Synthetic CT Volumes using a 3D-Conditional Generative Adversarial Network
University of Maryland, Baltimore County(马里兰大学巴尔的摩分校);National Institutes of Health Clinical Center(美国国立卫生研究院临床中心);Networking Health;OpenKneck Inc(OpenKneck公司)
我们提出了一种新的条件生成对抗网络(cGAN)架构,该架构能够从噪声和/或像素化近似中生成体素中的3D计算机断层扫描,并有可能生成完整的合成3D扫描体积。我们认为条件cGAN是一种生成3D CT体积的易处理方法,尽管由于GPU内存限制,生成全分辨率深度伪影的问题目前是不切实际的。我们提出了自动编码器,去噪和去像素化任务的结果,这些任务在两个新的COVID 19 CT数据集上进行了训练和测试。我们的评估指标,峰值信噪比(PSNR)范围从12.53 - 46.46 dB,结构相似性指数(SSIM)范围从0.89到1。
2021-04-02 cs.CV cs.LG eess.IV
Improved $α$-GAN architecture for generating 3D connected volumes with an application to radiosurgery treatment planning
Toronto Metropolitan University(多伦多都会大学)
生成对抗网络(GANs)在几个计算机视觉任务中获得了极大的关注,用于生成高质量的合成数据。由于该领域的数据稀缺性,包括诊断成像和放射治疗在内的各种医疗应用可以从合成数据生成中受益匪浅。然而,医学图像数据通常保持在3D空间中,并且生成模型在生成这种合成数据时遭受维度问题的灾难。在本文中,我们研究了GANs用于生成连接的3D体积的潜力。我们提出了一个改进版本的3D $α$ -GAN,结合各种架构增强。在连接的3D球体和椭球体的合成数据集上,我们的模型可以生成与训练数据具有相似几何特征的完全连接的3D形状。我们还表明,我们的3D GAN模型可以成功地生成高质量的3D肿瘤体积和相关的治疗规范(例如,等中心点位置)。与训练数据相似的不变矩以及完全连接的3D形状证实了改进的3D $α$ -GAN隐式地学习训练数据分布,并生成逼真的样本。改进的3D $α$ -GAN的能力使其成为生成合成医学图像数据的有价值的来源,可以帮助该领域的未来研究。
2022-07-13 cs.CV cs.LG eess.IV
KIPPS: Knowledge infusion in Privacy Preserving Synthetic Data Generation
University of Maryland at Baltimore County(马里兰大学巴尔的摩县分校);The University of Texas at El Paso(德克萨斯大学埃尔帕索分校)
本文提出KIPPS模型,将知识图谱中的领域和监管知识注入生成式深度学习模型,在训练时增强属性上下文并强制执行领域约束,有效解决了网络安全和医疗保健等复杂领域中合成数据生成的隐私风险与下游准确性问题。
2024-09-25 cs.AI cs.CR cs.LG
Beyond Mode Collapse: Generating Diverse Synthetic Expert Conversations via Generative Flow Networks
University of Michigan(密歇根大学)
本文提出用生成流网络生成多样化合成专家对话,解决数据模式坍缩问题,在辅导和情感支持领域优于强化学习和端到端LLM基线,提升下游任务训练信号。
2026-10-01 cs.AI cs.CL cs.LG
Style Transfer with Time Series: Generating Synthetic Financial Data
OPTrust;University of Toronto(多伦多大学)
在金融市场中,训练能够很好地推广到实时部署的深度学习模型是一个具有挑战性的问题。由于高维数、有限的观测、不断变化的数据分布和低信噪比,挑战出现了。高维度可以使用鲁棒的特征选择或降维来处理,但由于大多数深度神经网络的参数空间很大,有限的观察结果往往会导致模型过拟合。我们提出了一个金融时间序列的生成模型,它允许我们在数百万条模拟路径上训练深度学习模型。我们表明,我们的生成模型能够创建现实的路径,嵌入的方式随机过程不能的市场的基本结构。
2019-12-18 cs.LG q-fin.ST stat.ML
DualAlign: Generating Clinically Grounded Synthetic Data
本文提出DualAlign框架,通过统计对齐和语义对齐生成具有临床基础的合成数据,结合真实症状轨迹提升数据保真度与合理性,在阿尔茨海默病案例中显著提升了LLaMA 3.1-8B模型的性能。
2025-09-05 cs.AI cs.CL cs.CY
Generating Higher-Fidelity Synthetic Datasets with Privacy Guarantees
Artificial Intelligence Lab(人工智能实验室);EPFL(洛桑联邦理工学院(瑞士))
本文考虑了在常见的机器学习开发任务中增强用户隐私的问题,例如数据注释和检查,通过用生成对抗网络的样本代替真实数据。我们建议采用贝叶斯差分隐私的手段,以实现严格的理论保证,同时提供更好的隐私效用权衡。我们通过实验证明,与以前的工作相比,我们的方法产生了更高保真的样本,允许(1)检测更微妙的数据错误和偏差,以及(2)通过直接在人工样本上训练时实现高准确性来减少对真实数据标签的需求。
2020-03-02 cs.AI cs.CR cs.LG
Towards Realistic Synthetic User-Generated Content: A Scaffolding Approach to Generating Online Discussions
Google(谷歌公司)
针对直接用大语言模型生成在线讨论结构还原度低、可控性差的问题,提出基于脚手架(讨论串紧凑表示)的多步生成框架,适配不同平台,并配套评估指标验证合成数据的代表性与真实性。
2024-08-15 cs.CL cs.IR cs.LG
Methods for generating and evaluating synthetic longitudinal patient data: a systematic review
University of Turku(图尔库大学)
本文针对医疗保健领域纵向患者数据的隐私保护需求,通过系统综述绘制并描述了现实场景中生成和评估合成纵向患者数据的方法,指出当前研究在隐私保护机制及多维度评估方面的不足,为该领域进一步研究提供方向。
2024-12-02 cs.CR cs.LG stat.AP
Learning-Based Vulnerability Analysis of Cyber-Physical Systems
Duke University(杜克大学);University of Florida(佛罗里达大学)
这项工作的重点是使用深度学习的网络物理系统(CPS)的脆弱性分析。具体来说,我们考虑CPS中广泛使用的控制架构(例如,机器人技术),其中低级控制基于例如,扩展卡尔曼滤波器(EKF)和异常检测器。为了便于分析潜在的感知攻击可能产生的影响,我们的目标是开发能够设计最大限度地降低系统运行的隐形攻击的学习攻击发生器。我们展示了如何在一个基于学习的灰盒框架内解决这个问题,其中攻击者知道部分运行时信息,并介绍了两个基于前馈神经网络(FNN)的模型;两个模型都是离线训练的,使用组合了对估计误差的攻击效果和用于异常检测的残留信号的成本函数,使得训练的模型能够实时递归地生成这种有效的传感器攻击。所提出的方法的有效性说明了几个案例研究。
2022-04-07 cs.CR cs.LG cs.SY