차등 개인 정보 보호는 분석 결과에서 중요한 정보가 공개되지 않도록 하여 개별 데이터를 보호합니다. 개인 합성 데이터 세트를 생성하는 것은 모든 분석 기술을 민영화하는 것에 대한 대안을 제공합니다. 이 접근 방식은 Gemini와 같은 생성 AI 모델을 사용하여 원본 데이터를 나타내는 비공개 합성 데이터 세트를 생성합니다. 이 모델은 차등 개인 정보 보호 방법을 사용하여 훈련되어 합성 데이터의 개인 정보 보호와 대표성을 보장합니다. 이 연구는 단순 데이터 유형의 한계를 극복하여 합성 사진 앨범을 생성하는 데 중점을 둡니다. 이 방법은 이미지 데이터를 텍스트로 변환하고 다시 번역하여 앨범 내에서 주제의 일관성을 유지합니다. 먼저 앨범을 요약한 다음 사진에 캡션을 추가하는 계층적 생성은 일관성과 리소스 효율성을 향상시킵니다. 이 텍스트 기반 중간 접근 방식은 이미지를 설명하고 데이터를 필터링하는 데 장점이 있습니다. 이 방법은 YFCC100M 데이터 세트에서 테스트되어 유사한 앨범 테마를 만드는 데 효과가 있는지 검증했습니다. 평가에서는 유사성을 평가하기 위해 설명의 MAUVE 점수와 내용 주제 분석을 사용했습니다. 이 연구는 개인 합성 데이터의 이점을 보다 복잡하고 구조화된 데이터로 확장하는 방법을 보여줍니다. 이는 데이터 요구 사항과 사용자 개인 정보 보호의 균형을 맞추기 위한 강력한 솔루션을 제공할 수 있습니다. 개발된 접근 방식은 다양한 중요 산업 전반에 걸쳐 개인 정보 보호 AI 개발을 위한 방법을 제공합니다.