针对度量嵌入学习的用户级成员推断攻击
机器学习
2022-04-27 v2 人工智能
密码学与安全
摘要
成员推断（MI）用于判断某个样本是否属于受害者模型的训练集。近期成员推断攻击的发展聚焦于记录级成员推断，这限制了其在许多真实场景中的应用。例如，在行人重识别任务中，攻击者（或调查者）关心的是某用户的图像是否在训练中被使用过，但攻击者可能无法获取确切的训练图像。本文提出一种用户级 MI 攻击，其目标是判断目标用户的任意样本是否在训练中被使用，即便攻击者无法获得确切的训练样本。由于度量嵌入学习在行人重识别中的主导地位，用户级 MI 攻击在此更具意义，因此我们聚焦于该学习范式。我们在多个数据集上进行了广泛评估，结果表明我们的方法在用户级 MI 任务上取得了高准确率。
引用
@article{arxiv.2203.02077,
title = {User-Level Membership Inference Attack against Metric Embedding Learning},
author = {Guoyao Li and Shahbaz Rezaei and Xin Liu},
journal= {arXiv preprint arXiv:2203.02077},
year = {2022}
}