面向生成基因组模型的生物学信息化混合成员推断攻击
密码学与安全
2025-12-19 v3 人工智能
摘要
基因数据的获取不断推动了基因组学研究，但也引发了对其敏感性处理的隐私关注。本文探索了利用语言模型（LM）生成合成基因突变轮廓的可能性，同时采用差分隐私（DP）保护敏感基因数据。我们通过引入新颖的生物学信息化混合成员推断攻击（biHMIA），该攻击结合了传统黑盒MIA与上下文基因组学指标以实现更高的攻击能力，来评估DP模式的隐私保证。我们的实验表明，无论是小型还是大型类GPT转换模型，都是小规模基因组合成变体生成器，而且我们的混合攻击在平均情况下导致比传统基于指标的MIA更高的对抗成功率。
引用
@article{arxiv.2511.07503,
title = {Biologically-Informed Hybrid Membership Inference Attacks on Generative Genomic Models},
author = {Asia Belfiore and Jonathan Passerat-Palmbach and Dmitrii Usynin},
journal= {arXiv preprint arXiv:2511.07503},
year = {2025}
}