OP-Print：追踪在线策略自蒸馏中的成员印记

研究首次对在线策略自蒸馏发起成员推断攻击，提出统一攻击框架 OP-Print。该框架利用监督印记稀疏且集中于不确定性敏感修正位点的特性，在灰盒设置下聚合教师-学生残差修正，在黑盒设置下以重启式输出盆地稳定性作为替代信号。在多种模型与蒸馏方案中，基线攻击即使具备灰盒访问也基本等同随机猜测，而 OP-Print 在灰盒与黑盒设置下均被广泛验证有效。