SMOTE 与镜像：揭露合成少数类过采样中的隐私泄露

合成少数类过采样技术（SMOTE）是最广泛使用的解决类别不平衡和生成合成数据的方法之一。尽管其流行度极高，但关于其隐私影响的研究却鲜少涉及；然而，它在众多隐私敏感应用中被广泛使用。本文首次系统性研究 SMOTE 的隐私泄露问题：我们指出现有评估方法（即朴素区分和最近距离度量）完全无法检测到任何泄露， membership 推断攻击（MIAs）可高精度实例化。随后，基于 SMOTE 的几何特性，我们构建两种新型攻击，假设极少：DistinSMOTE 能完美区分增强数据集中的真实与合成记录，ReconSMOTE 则能在真实不平衡比例下，以接近 1 的精确率和召回率从合成数据集中重建真实少数类记录。我们还为两种攻击提供了理论保证。在八个标准不平衡数据集上的实验表明，这些攻击在实用性和有效性方面均得到验证。总体而言，本文揭示 SMOTE 本质上是非私有的，且对少数类记录的暴露程度显著高于多数类记录，凸显在隐私敏感应用中重新审视其使用，以及作为现代生成模型隐私评估基准的必要性。