表格机器学习成员推断攻击系统化研究

Cristina Pêra 等人发表了一篇系统化研究（SoK）论文，重新审视表格机器学习中的成员推断攻击（MIA），并评估四种前沿攻击在多种表格数据集与模型架构上的表现。 研究结果显示，类别粒度更高、多数类占比更大的数据集更易受 MIA 影响；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。论文据此指出，现有防御虽能降低平均泄露，却无法充分保护最敏感个体。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。