研究解析脉冲神经网络成员推断泄露来源
热点事件观察中
研究解析脉冲神经网络成员推断泄露来源
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者在统一实验框架下用黑盒成员推断攻击评估脉冲神经网络的隐私泄露,区分时间表征、随机性、内在神经元动力学与学习机制四个因素。结果显示,爆发式放电模式相比规则放电能降低泄露,但会损失准确率。 向输入、脉冲时序和脉冲序列注入随机性并不能复现这一效果,研究据此认为泄露下降来自脉冲在时间上的排布,而非噪声。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 04:22
研究系统分析脉冲神经网络的隐私泄露来源报道时间线
沿着报道,了解事件的不同侧面。
10月27日
- arXiv 隐私论文研究系统分析脉冲神经网络的隐私泄露来源
研究在统一实验框架下用黑盒成员推断攻击评估脉冲神经网络的隐私泄露,区分时间表征、随机性、内在神经元动力学与学习机制四个因素。结果显示爆发式放电模式相比规则放电能降低泄露但损失准确率,向输入、脉冲时序和脉冲序列注入随机性并不能复现这一效果,说明泄露下降来自脉冲在时间上的排布而非噪声。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。