Buchumschlag

A Dual Perspective on Synthetic Trajectory Generators: Utility Framework and Privacy Vulnerabilities

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cherigui, Aya, Guépin, Florent, Legendre, Arnaud, Couchot, Jean-François
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

diffGHOST: Diffusion based Generative Hedged Oblivious Synthetic Trajectories
von: Guépin, Florent, et al.
Veröffentlicht: (2026)

Achilles' Heels: Vulnerable Record Identification in Synthetic Data Publishing
von: Meeus, Matthieu, et al.
Veröffentlicht: (2023)

Synthetic is all you need: removing the auxiliary data assumption for membership inference attacks against synthetic data
von: Guépin, Florent, et al.
Veröffentlicht: (2023)

A Consensus Privacy Metrics Framework for Synthetic Data
von: Pilgram, Lisa, et al.
Veröffentlicht: (2025)

Enhancing the Utility of Privacy-Preserving Cancer Classification using Synthetic Data
von: Osuala, Richard, et al.
Veröffentlicht: (2024)

Hybrid Reinforcement Learning and Search for Flight Trajectory Planning
von: Luise, Alberto, et al.
Veröffentlicht: (2025)

Optimizing the Privacy-Utility Balance using Synthetic Data and Configurable Perturbation Pipelines
von: Sharma, Anantha, et al.
Veröffentlicht: (2025)

Generating High-quality Privacy-preserving Synthetic Data
von: Yavo, David, et al.
Veröffentlicht: (2026)

The Impact of Generalization Techniques on the Interplay Among Privacy, Utility, and Fairness in Image Classification
von: Hassanpour, Ahmad, et al.
Veröffentlicht: (2024)

Style Transfer as Bias Mitigation: Diffusion Models for Synthetic Mental Health Text for Arabic
von: Mankarious, Saad, et al.
Veröffentlicht: (2026)

SynQP: A Framework and Metrics for Evaluating the Quality and Privacy Risk of Synthetic Data
von: Hu, Bing, et al.
Veröffentlicht: (2026)

POLAR-Bench: A Diagnostic Benchmark for Privacy-Utility Trade-offs in LLM Agents
von: Zheng, Qiaoyuan, et al.
Veröffentlicht: (2026)

Federated Learning with Differential Privacy: An Utility-Enhanced Approach
von: Ranaweera, Kanishka, et al.
Veröffentlicht: (2025)

LLM Agents Beyond Utility: An Open-Ended Perspective
von: Nachkov, Asen, et al.
Veröffentlicht: (2025)

Privacy-Preserving Synthetic Dataset of Individual Daily Trajectories for City-Scale Mobility Analytics
von: Ozaki, Jun'ichi, et al.
Veröffentlicht: (2025)

Synthetic Data Privacy Metrics
von: Steier, Amy, et al.
Veröffentlicht: (2025)

Decoupling Identity from Utility: Privacy-by-Design Frameworks for Financial Ecosystems
von: Ibikunle, Ifayoyinsola, et al.
Veröffentlicht: (2026)

PateGail: A Privacy-Preserving Mobility Trajectory Generator with Imitation Learning
von: Wang, Huandong, et al.
Veröffentlicht: (2024)

LLM-Specific Utility: A New Perspective for Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Synthetic Trajectory Generation Through Convolutional Neural Networks
von: Merhi, Jesse, et al.
Veröffentlicht: (2024)

Revisiting Synthetic Human Trajectories: Imitative Generation and Benchmarks Beyond Datasaurus
von: Deng, Bangchao, et al.
Veröffentlicht: (2024)

Synthetic Aircraft Trajectory Generation Using Time-Based VQ-VAE
von: Murad, Abdulmajid, et al.
Veröffentlicht: (2025)

Rings whose indecomposable modules are pure-projective or pure-injective
von: Couchot, François
Veröffentlicht: (2011)

Position: Embodied AI Requires a Privacy-Utility Trade-off
von: Fan, Xiaoliang, et al.
Veröffentlicht: (2026)

Trajectory Modeling via Random Utility Inverse Reinforcement Learning
von: Pitombeira-Neto, Anselmo R., et al.
Veröffentlicht: (2021)

Utility Inspired Generalizations of TOPSIS
von: Susmaga, Robert, et al.
Veröffentlicht: (2025)

Analysis of Threat-Based Manipulation in Large Language Models: A Dual Perspective on Vulnerabilities and Performance Enhancement Opportunities
von: Samancioglu, Atil
Veröffentlicht: (2025)

A Unified Learn-to-Distort-Data Framework for Privacy-Utility Trade-off in Trustworthy Federated Learning
von: Zhang, Xiaojin, et al.
Veröffentlicht: (2024)

Privacy-Utility Trade-off in Data Publication: A Bilevel Optimization Framework with Curvature-Guided Perturbation
von: Yin, Yi, et al.
Veröffentlicht: (2025)

Harnessing Language for Coordination: A Framework and Benchmark for LLM-Driven Multi-Agent Control
von: Anne, Timothée, et al.
Veröffentlicht: (2024)

Private Seeds, Public LLMs: Realistic and Privacy-Preserving Synthetic Data Generation
von: Ma, Qian, et al.
Veröffentlicht: (2026)

When Privacy Isn't Synthetic: Hidden Data Leakage in Generative AI Models
von: Mustaqim, S. M., et al.
Veröffentlicht: (2025)

KIPPS: Knowledge infusion in Privacy Preserving Synthetic Data Generation
von: Kotal, Anantaa, et al.
Veröffentlicht: (2024)

A Practical Framework for Evaluating Medical AI Security: Reproducible Assessment of Jailbreaking and Privacy Vulnerabilities Across Clinical Specialties
von: Wang, Jinghao, et al.
Veröffentlicht: (2025)

Quantifying the Privacy Implications of High-Fidelity Synthetic Network Traffic
von: Tran, Van, et al.
Veröffentlicht: (2025)

PFGuard: A Generative Framework with Privacy and Fairness Safeguards
von: Kim, Soyeon, et al.
Veröffentlicht: (2024)

INO-SGD: Addressing Utility Imbalance under Individualized Differential Privacy
von: Tian, Xiao, et al.
Veröffentlicht: (2026)

σ-GPTs: A New Approach to Autoregressive Models
von: Pannatier, Arnaud, et al.
Veröffentlicht: (2024)

Your Privacy Depends on Others: Collusion Vulnerabilities in Individual Differential Privacy
von: Kaiser, Johannes, et al.
Veröffentlicht: (2026)

Empirical and Experimental Perspectives on Big Data in Recommendation Systems: A Comprehensive Survey
von: Taha, Kamal, et al.
Veröffentlicht: (2024)