CCS 2024 | 如何严格衡量机器学习算法的隐私泄露？ ETH有了新发现

AIGC动态欢迎阅读

原标题：CCS 2024 | 如何严格衡量机器学习算法的隐私泄露？ ETH有了新发现
关键字：隐私,样本,方法,报告,数据
文章来源：机器之心
内容字数：0字

内容摘要：

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本文作者张杰是苏黎世联邦理工大学的二年级的博士生，导师是 Florian Tramèr。本文发表在 CCS 2024 上， 第一单位是 ETH Zurich，主要探讨如何严格的衡量某个机器学习算法的隐私保护能力。arXiv地址：https://arxiv.org/pdf/2404.17399
GitHub代码：https://github.com/ethz-spylab/misleading-privacy-evals
论文标题：Evaluations of Machine Learning Privacy Defenses are Misleading
1.前言
机器学习模型往往容易受到隐私攻击。如果你的个人数据被用于训练模型，你可能希望得到一种保障，确保攻

原文链接：CCS 2024 | 如何严格衡量机器学习算法的隐私泄露？ ETH有了新发现

联系作者

文章来源：机器之心
作者微信：
作者简介：