跳到正文
arXiv · ML· Mathieu Dagr\'eou, Valentin Dorseuil, Mohammad Yaghini, Nicolas Papernot, Aur\'elien Bellet·· 2026-10-16AI 评分24

IBIS 框架:通过优化正交性实现单运行隐私审计中干扰最小化的 Canaries 设计

Detectability without Interference: Efficient Canary Design for Privacy Auditing in One Run

AI 导读

隐私审计中的 Canaries 互扰会削弱差分隐私下界估计的统计效力,尤其在高成本的多运行方法中尤为突出。 IBIS 框架结合基于影响的贪婪初始化与双层优化,通过嵌入空间正交正则化最小化 Canaries 间干扰,并增量更新单一模型。 该设计在提升 MIA 指标的同时,将计算成本降低最多两个数量级。

来源:arXiv · ML · arxiv.org