高目标、保持隐私：差分隐私合成数据实现高可用性的行为健康信息公开发布数据

数据集获取

源站：https://doi.org/10.5061/dryad.zgmsbcct8

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 1.4 MB。

数据说明

共享行为健康与可穿戴数据会带来隐私挑战，因为传统的去标识化仍然容易受到重识别攻击。差分隐私（DP）通过可调的隐私预算ϵ提供数学保证。本研究评估了生成和发布具有高分析效用的DP合成行为健康数据的可行性，并确定了用于公共数据共享的实用ϵ值。我们分析了来自可穿戴设备的生理数据以及“用戒指测量的生活体验研究”（LEMURS）第一阶段的自我报告数据，该研究追踪了一年级大学生的睡眠、压力和幸福感。我们评估了三种DP合成数据生成器：AIM、MST和PATECTGAN，隐私预算范围从ϵ = 1到100。效用通过L1/L2误差、相关性、回归、UMAP进行评估，并通过隐私攻击评估脆弱性。结果：AIM在保留原始数据的统计和分析特性方面优于MST和PATECTGAN。对于Survey数据集，最低边际误差出现在ϵ = 5和10时。

相关、回归和UMAP分析证实，AIM生成的数据在中等ϵ值下紧密复现了原始关系。隐私预算的选择仍是一个开放问题，且与任务无关而与数据集相关。中等隐私预算（5 ≤ ϵ ≤ 10）在确保隐私的同时，维持了生理与心理测量之间的关键关联。AIM的工作负载感知设计有效地将噪声导向相关特征，提升了性能。对于LEMURS行为健康数据共享，ϵ = 5的隐私预算在数据效用与参与者隐私之间提供了实际平衡。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。