本文介绍了利用扩散模型生成合成表格数据的方法，重点讨论了TABSYN和FedTabDiff。TABSYN在统计保真度和特征相关性方面表现优异，降低了错误率；而FedTabDiff通过分散学习保护隐私，生成高保真度的混合类型表格数据。研究探讨了生成模型在隐私保护与数据实用性之间的平衡。