
anonymeter
合成数据上线前,用 GDPR 视角量化隐私泄露风险
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 110
技术标签
核心亮点
- 覆盖三类核心隐私攻击(重识别、属性推断、成员推断),评估维度全面
- 基于 GDPR 法规设计,直接对接合规需求,实用性强
- 提供 Jupyter Notebook 示例,上手门槛低,便于快速验证
不足之处
- 项目早期(星标108),文档和社区支持可能不够完善
- 依赖特定数据格式,集成到现有流程需要额外适配
适用场景
- 企业使用合成数据训练模型前,评估隐私合规风险
- 数据共享场景中,验证匿名化处理后的数据是否足够安全
- 研究机构发布合成数据集时,提供隐私风险评估报告
替代项目
PrivacyRaven、SynthGauge、Anonymeter (self)
上一篇:ParseBench
下一篇:harbor
同类项目推荐
TransformerLens
开源
像调试代码一样拆开GPT,定位每个注意力头的作用
A library for mechanistic interpretability of GPT-style language models
Guardrails
开源
给大模型对话装上可编程的安全护栏,防止跑偏和有害输出。
NeMo Guardrails is an open-source toolkit for easily adding programmable guardrails ···
AlignLLMHumanSurvey
开源
一张图看懂大模型如何对齐人类偏好
Aligning Large Language Models with Human: A Survey
leva
开源
用线上真实数据回放评测,让 Rails 的 LLM 改动不再靠拍脑袋
LLM Evaluation Framework for Rails apps to be used with production data.
common_metrics_on_video_quality
开源
一键计算视频生成质量指标,快速对比模型效果
You can easily calculate FVD, PSNR, SSIM, LPIPS for evaluating the quality of genera···
llm-colosseum
开源
让大模型打街霸,用对战胜负测实力
Benchmark LLMs by fighting in Street Fighter 3! The new way to evaluate the quality ···
One-Eval
开源
用 agent 自动跑完 LLM 评测全流程,省去手工配数据与打分
Automated system for LLM evaluation via agents. Doc as below:
benchmark
开源
一套脚本横向对比多个大模型的质量
Benchmark suite for LLMs from Fireworks.ai
langfair
开源
给LLM做公平性体检,防偏见翻车
LangFair is a Python library for conducting use-case level LLM bias and fairness ass···