从反事实推理到树状结构：模型提取攻击的竞争分析
机器学习
2025-10-24 v3 密码学与安全
摘要
随着机器学习即服务（MLaaS）的兴起，解释性与安全性之间的权衡日益凸显。特别是，诸如反事实解释等解释性技术不恰当地增加了模型提取攻击的风险，从而使未授权的模型复制成为可能。本文我们正式化并刻画了模型重构风险及其固有的复杂性， focus 于用于忠实推断底层预测函数所需的“oracle”查询。我们提出了通过竞争分析视角对模型提取攻击进行的首次正式分析，建立了评估其效率的基础框架。我们关注基于加法决策树（如决策树、梯度提升和随机森林）的模型，引入新的重建算法，实现了可证明的完美保真度，同时展现出强劲的即时性能。我们的框架对提取树状模型的查询复杂度提供了理论界限，为这些模型部署的安全漏洞提供了新视角。
引用
@article{arxiv.2502.05325,
title = {From Counterfactuals to Trees: Competitive Analysis of Model Extraction Attacks},
author = {Awa Khouna and Julien Ferry and Thibaut Vidal},
journal= {arXiv preprint arXiv:2502.05325},
year = {2025}
}