CCS 2024 | 如何嚴格衡量機器學習算法的隱私泄露？ ETH有了新發現

AIGC動態歡迎閱讀

原標題：CCS 2024 | 如何嚴格衡量機器學習算法的隱私泄露？ ETH有了新發現
關鍵字：隱私,樣本,方法,報告,數據
文章來源：機器之心
內容字數：0字

內容摘要：

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本文作者張杰是蘇黎世聯邦理工大學的二年級的博士生，導師是 Florian Tramèr。本文發表在 CCS 2024 上，第一單位是 ETH Zurich，主要探討如何嚴格的衡量某個機器學習算法的隱私保護能力。arXiv地址：https://arxiv.org/pdf/2404.17399
GitHub代碼：https://github.com/ethz-spylab/misleading-privacy-evals
論文標題：Evaluations of Machine Learning Privacy Defenses are Misleading
1.前言
機器學習模型往往容易受到隱私攻擊。如果你的個人數據被用于訓練模型，你可能希望得到一種保障，確保攻

原文鏈接：CCS 2024 | 如何嚴格衡量機器學習算法的隱私泄露？ ETH有了新發現