跳到正文
arXiv · ML· Cristina P\^era, T\^ania Carvalho, Maxime Cordy, Lu\'is Antunes·· 2026-10-14AI 评分23

表格数据机器学习中的成员推理攻击系统性综述

SoK: Rethinking Membership Inference in Tabular Machine Learning

AI 导读

研究评估了 4 种最先进的成员推理攻击(MIA)在表格数据集上的隐私漏洞。 结果显示,类别粒度更高且多数类占比更大的数据集更易受攻击;无参考模型的攻击往往能达到与高级攻击相当的统计结果。 当前防御措施虽能降低平均泄露率,但无法有效保护具有唯一签名(single-outs)的个体记录。

来源:arXiv · ML · arxiv.org