SoK：重新审视表格机器学习中的成员推断

一篇 SoK 论文系统梳理了表格机器学习中的成员推断攻击（MIA），并评估了四种前沿攻击在多种表格数据集与模型架构上的表现。结果显示，类别粒度更高、多数类占比更大的数据集更易受 MIA 影响，且具有唯一签名（single-outs）的记录即便在常见防御措施下仍高度脆弱。研究指出，现有防御虽能降低平均泄露，却无法充分保护最敏感个体。