数据集属性对深度迁移学习成员推断脆弱性的影响
密码学与安全
2026-02-03 v6 机器学习
摘要
成员推断攻击(MIA)用于测试机器学习模型的实际隐私。MIA在更现实的对手模型下补充了差分隐私(DP)所提供的正式保证。我们对微调神经网络的MIA脆弱性进行经验和理论分析，后者使用简化的微调模型。我们表明，对于非DP模型，随着每类示例数量增加，脆弱性按简单幂律减少。在最脆弱点处也适用类似幂律，但需要的数据集规模以adequate保护最脆弱点非常大。
引用
@article{arxiv.2402.06674,
title = {Impact of Dataset Properties on Membership Inference Vulnerability of Deep Transfer Learning},
author = {Marlon Tobaben and Hibiki Ito and Joonas Jälkö and Yuan He and Antti Honkela},
journal= {arXiv preprint arXiv:2402.06674},
year = {2026}
}
备注
Accepted to NeurIPS 2025; 47 pages, 13 figures