arXiv · Machine Learning· Mathieu Dagr\'eou, Valentin Dorseuil, Mohammad Yaghini, Nicolas Papernot, Aur\'elien Bellet·· 10 小时前AI 评分62
IBIS：无干扰的一次运行隐私审计 Canary 高效设计
Detectability without Interference: Efficient Canary Design for Privacy Auditing in One Run
AI 导读
论文提出 IBIS，用于在一次训练运行中设计彼此干扰更小的 canary，以提升隐私审计中的成员推断攻击效果。方法结合基于 influence 的贪心初始化、双层优化和 embedding space 正交正则，并通过增量更新单个模型避免每次从头训练。实验显示，IBIS 在降低计算成本的同时改善 MIA 指标，计算成本最高减少两个数量级。
来源：arXiv · Machine Learning · arxiv.org