aug-pe

用大模型API生成隐私安全的合成文本数据

aug-pe 是 ICML 2024 Spotlight 论文的开源实现，专注于通过基础模型 API 生成满足差分隐私的合成文本数据。它解决的核心问题是：在保护敏感文本数据隐私的前提下，如何利用强大的预训练语言模型（如 GPT-3.5）生成高质量、可用的合成数据，用于下游任务训练或数据发布。项目提供了一套完整的流程，包括数据增强、差分隐私噪声注入、以及基于 API 的生成策略，使得非隐私专家也能相对容易地构建隐私保护的合成数据管道。其核心能力在于将差分隐私保证与基础模型的生成能力结合，在隐私预算和合成数据质量之间取得平衡，并支持多种文本数据场景。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 61
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队AI-secure
所属国家
官网地址https://alphapav.github.io/augpe-dpapitext
GitHubhttps://github.com/AI-secure/aug-pe
定价模式free
价格说明开源项目，Apache-2.0许可证，可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型ai-privacy,differential-privacy,language-model,large-language-models,prompt-engineering
GitHub 星标★ 61
30天Star增速
HF 下载量
上线时间2024-03-04 00:00:00
最近更新2026-09-04 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • 来自ICML 2024 Spotlight论文，算法经过学术验证，隐私保护方法可靠
  • 利用基础模型API，无需训练私有模型即可生成高质量合成数据，降低使用门槛
  • 提供完整的差分隐私合成文本流程，涵盖数据增强、噪声注入和生成策略

不足之处

  • 项目早期阶段，文档和社区支持尚不完善
  • 依赖外部基础模型API，可能产生调用成本并受限于API可用性

适用场景

  • 企业需要发布或共享敏感文本数据（如医疗记录、用户评论）时，生成隐私保护的替代数据集
  • 数据科学家在隐私预算约束下，为下游机器学习模型扩充训练数据
  • 研究机构在无法直接使用原始敏感数据的情况下，构建可复用的公开数据集

替代项目

opendp、diffprivlib、pytorch-dp

项目介绍

aug-pe 是数据集领域的开源项目，由 AI-secure 开发，2024 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 61。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-04。Apache-2.0许可证，可免费使用和部署。

它主要面向的使用场景是：企业需要发布或共享敏感文本数据（如医疗记录、用户评论）时，生成隐私保护的替代数据集。同类可对比的替代方案包括 opendp、diffprivlib、pytorch-dp。

上一篇：Shot2Story

下一篇：IEPile

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1645 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09