guanweilu.cn
网页
综合
成员关系混淆防御 | 观微录
…直觉很反常识。我们通常认为,模型泛化能力越强,它应该越不依赖具体样本。但现状是,Shokri et al. (2017) 最早指出,深度学习模型在拟合数据时,会不可避免地产生一种“个性化残留”。这种残留,就是隐私泄露的漏洞。 所以,防御的目标只有一个:抹除模型对特定训练样本的独特响应特征,让训练数据和未训练数据在统计学上变得不可区分。 目前主流的混淆防御手段,可以看作是给模型的…
2026-11-12
自动蜘蛛
相关度 4.6